Page 31 - 《软件学报》2021年第7期

檀超 等:复杂软件系统的不确定性 1949

调研结果表明:针对复杂系统不确定性应用领域,软件工程的关注较为广泛,包含信息物理系统、物联网以
及自适应信息物理系统,自动化领域主要关注于信息物理系统.针对复杂系统不确定性类型,软件工程和自动化
都主要关注于外部以及内部不确定性,而传感器不确定性,只有软件工程领域的少量文献关注.针对复杂系统制
品的不确定性,软件工程和自动化领域关于不确定性研究的交叉集中在模型不确定性、参数不确定性和数据不
确定性上.针对复杂系统不确定性的处理方法,软件工程主要关注于不确定性规约/建模、不确定性推理、不确
定性条件下的决策以及不确定性传播.自动化领域的研究者主要关注不确定性条件下的决策.
5 总结和发展趋势

在不确定性文献发表的数量和刊物方面,从总体趋势来看,过去 10 年中,关注复杂系统不确定性的研究呈
现出上升趋势.这一发现说明不确定性研究越来越受到研究人员的关注.此外,我们调研的 142 篇文献发表在
112 个不同的期刊、会议、研讨会以及书的章节中;通过分析发表文献数量排名靠前的期刊和会议,我们发现
《Automatica》是控制领域的知名期刊,《JSS》和《SoSyM》是软件工程领域的知名期刊,说明本研究领域具
有多学科交叉的特点.该特点为本领域的研究带来了一定的挑战,同时也提供了多学科交叉研究的机遇.需要指
出的是,这一多学科交叉研究的特点,主要的来源是此次文献调研中关注的信息物理系统和物联网自身的多学
科性,如软件工程和自动化等.这一发现给研究人员提供了一些研究启示:在进行该领域的调研时,需要进行跨
领域搜索.在跨学科特点的基础上,不确定性本身在理论上(如概率论、粗糙集)和方法上(如蒙特卡洛方法)的复
杂性进一步加深了复杂系统不确定性研究的困难程度.
在不确定性文献涉及的关键词方面,针对复杂系统不确定性的热门研究主题,我们采用词频统计和关键词
共现的聚类方法进行挖掘.通过对关键词词频进行统计,复杂系统不确定性主要针对信息物理系统和物联网等
系统,主要关注自适应和复杂事件过程中的不确定性,以及关注处理不确定性相关技术包括基于模型的测试、
决策制定和概率模型检测等.通过对关键词进行聚类得到 6 个热门研究主题:不确定性处理技术保证复杂系统
的服务质量、不确定性处理技术保证复杂系统的性能和可靠性、不确定性处理技术支持系统进行决策分析和
测试、不确定性处理技术支持不确定性决策、复杂系统开发和运行过程中的不确定性以及复杂系统的不确定
性建模和测试.这一研究结果可以使研究人员更好地了解该领域的研究热点主题以及它们之间的关系.
在不确定性文献涉及的生命周期方面,我们针对 142 篇相关文献关注的系统开发生命周期的 14 个阶段进
行分类,结果显示:设计定义阶段是研究人员关注最多的阶段;自 2013 年以后,复杂系统设计定义阶段的不确定
[4]
性研究出现了明显的增长趋势.这个增长趋势与信息物理系统和物联网工业应用的增长趋势是一致的 .此外,
我们也观察到,针对自适应信息物理系统的不确定性研究也受到了较多研究人员的关注,这主要是因为不确定
性是自适应系统设计和运行需要考虑的关键因素 [34,83] .然而,面向信息物理系统和物联网的不确定性研究依然
处于初始阶段,这主要是因为:(1) 这方面的研究随着物联网和信息物理系统的兴起逐渐受到了关注;(2) 由于
多学科交叉导致的系统本身的复杂性、其运行环境的复杂性以及不确定性的类型和级别的多样性(如软件决策
的不确定性、硬件设备的不确定性、网络通信中的不确定性、特征交互导致的不确定性)导致此方向的研究难
[4]
度较大 .我们同时也观察到,在软件工程领域,没有系统地支持复杂系统全生命周期不确定性研究的方法、工
具平台、数据集、基准以及标准.未来的研究应该更多地着眼于尽可能地覆盖复杂系统全生命周期的多个阶段,
贯穿不确定性需求、设计、管理与维护等方面的系统研究.
随着诸如机器学习等人工智能技术在信息物理系统和物联网的进一步应用,系统内部行为的不确定性显
著增强,处理复杂系统内部不确定性将是未来研究的热点.据本文统计,11 篇文献关注了机器学习等人工智能技
术在复杂系统中的应用导致的系统内容的不确定性.比如文献[84]从 3 个角度讨论这方面的不确定性:(1) 模型
拟合相关的不确定性;(2) 通过传感器和人工输入等方式收集到的数据质量的问题导致的不确定性;(3) 模型应
用超出其基于上下文决定的应用范围导致的模型输出不确定性.这类在人工智能领域的不确定性研究工作可
以有机地与软件工程学科不确定性研究相结合,比如通过软件工程的方法提高数据质量从而在一定程度上保
证训练模型的质量.目前这方面的研究大多集中在人工智能领域,比如 AI 系统的模型和(输入)数据的不确定性,