Page 26 - 《软件学报》2021年第7期

1944 Journal of Software 软件学报 Vol.32, No.7, July 2021

人员关注的是模型不确定性、参数不确定性和数据不确定性.基于模型的系统属性(如安全性、可靠性)分析是
信息物理系统和物联网开发过程的常用方法.此外,在系统设计和分析阶段,数学模型中的参数不确定性受到研
究人员的关注,主要原因是数学模型通过调节和优化模型参数取值以期达到系统设计优化的目标.
在验证阶段,研究人员关注的是需求不确定性、模型不确定性、参数不确定性和约束不确定性.这一结果
说明,需求、模型以及模型参数是重要的验证对象.在确认阶段,研究人员关注的是模型不确定性和信息不确定
性,主要原因是信息物理系统和物联网主要的确认方法是测试.针对不确定性信息建模,并基于构建的模型和模
型转换技术实现测试用例自动生成、优化和执行是目前比较常见的测试方法(如文献[6971]).在运行阶段,研究
人员主要关注的是模型不确定性以及数据不确定性.在实现、集成和维护阶段,研究人员关注的是模型不确定
性.但是这些阶段的文献数量都很少,很难分析出具体的原因.
调研结果表明:针对系统开发过程中制品的不确定性,研究人员更多地关注模型不确定性、数据不确定性
以及参数不确定性.针对系统制品的不确定性分类在生命周期不同阶段的调研,模型不确定性、数据不确定性
以及参数不确定性主要分布在设计定义阶段.

4.7 研究问题7:针对复杂系统的不确定性,研究人员提出了哪些不确定性的处理方法?
对于不同的不确定性类型和所关注的研究重点,研究人员采取了不同的方法对不确定性进行处理,解决复
杂系统开发和运行的不同阶段所面临的挑战.我们通过对相关文献进行分析,发现研究人员处理不确定性的方
法可以分为以下 6 类.
 不确定性度量(uncertainty quantification):使用不同的度量方法(如概率和粗糙集)定量表征不确定性 [8,72] .
 不确定性管理(uncertainty management):在需要更多知识时,寻求信息以纠正知识水平下降的过程 [73,74] .
其中减少不确定性(uncertainty reduction)是不确定性管理中的一个重要分支 [75] .
 不确定性规约/建模(uncertainty specification/modeling):在诸如需求、模型等人工制品的基础上对不确定
性信息进行规约和建模 [76] .
[6]
 不确定性推理(uncertainty reasoning):旨在用于知识表示和推理的方法,例如,贝叶斯推理和模糊逻辑 .
 不确定条件下的决策(decision making under uncertainty):支持系统行为优化和适应性测试等考虑不确定
性的系统决策 [77] .
 不确定性传播(uncertainty propagation):不确定性来源(如输入参数数据不确定性)对系统行为(如自适应
系统的自适应行为)不确定性的影响性分析 [50] .
图 12 展示了不确定性处理方法的统计分布情况.如图所示,研究人员更关注的是利用不确定条件下的决策
(58 次)、不确定性推理(44 次)以及不确定性规约/建模(29 次)方法来应对复杂系统开发和运行中所遇到的各种
不确定性.需要注意的是,一个不确定性处理方法可能出现在多个系统生命周期阶段.为了更深层次地了解对于
复杂系统生命周期的不同阶段,研究人员更倾向于利用哪些不确定性处理方法来处理该不确定性,我们也对不
确定性处理方法在开发周期不同阶段的分布情况进行了统计.如图 12 所示,我们发现对于设计定义阶段,研究
人员使用了各种不确定性处理方法,其中不确定性条件下的决策和不确定性推理方法使用得较多,分别达到了
34 次和 22 次,而不确定性度量方法使用得较少,仅 9 次.在设计阶段,不确定性条件下的决策(如预测前面车辆的
车速、到下一个交通道路交叉口的距离以及路段中的车道数量 [40] )是不确定性处理的主要方法.
不确定性会极大地增加系统及其环境行为和属性推理的复杂度,而且简单的逻辑并不能充分地表达不
确定信息,所以研究人员尝试了不同的不确定性推理方法,比如概率 [65] 、模糊集 [53] 以及贝叶斯概率 [78] 等.面向
复杂系统的不确定性推理的主要目标包括推理系统或其运行环境的状态和可能采取的决策行为等.从我们
收集的数据来看,与其他方法相比,在架构设计、系统分析、验证、确认以及运行阶段不确定性推理是比较
常用的不确定性处理方法.尤其是在验证阶段,利用不确定性推理方法的文献达到了 13 篇,用于验证系统属
性(如可靠性)的正确性 [79] 、系统运行时的需求满足性 [53] 以及系统脆弱度(fragility) [80] 等.此外,在运行阶段,不
确定性条件下的决策和不确定性推理是研究人员关注的主要不确定性处理方法,这主要是因为大部分的系
统是自适应系统,如文献[81,82].