Velo - Vérification pour l'Environnement et le LOgiciel

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
(English below)

Bonjour à toutes et à tous,

J'ai le plaisir de vous inviter à ma soutenance de thèse, qui aura lieu
(en Français) le mardi 24 mai 2022
à 14h00 dans l'amphithéatre  du bâtiment 34 du site FST Nantes. Vous êtes
les bienvenu(e)s pour y assister,
sur place ou par visio avec le lien suivant:

https://mediaserver.univ-nantes.fr/lives/ls2n/

Titre de la thèse : Extraction de styles d’évolution d’architectures
logicielles
Résumé :
Les architectures logicielles jouent un rôle primordial dans le cycle de
vie logicielle. Elles assurent la
documentation des systèmes, la gestion de leurs maintenances et leurs
évolutions. Dans cette thèse, nous
abordons la problématique de prédiction et de planification des évolutions
de ces architectures logicielles.
Nous proposons une approche de prédiction basée sur l’apprentissage des
évolutions antérieures de
celles-ci. Ainsi, notre démarche se généralise en trois grandes étapes. La
première étape consiste en la
proposition d’un modèle de représentation de l’évolution de l’architecture
logicielle conformément aux
principes de la méta-modélisation de processus. Nommé SAEPP : modèle de
représentation de l’évolution,
positionné sur la couche 2 de méta-modélisation spécifiée par l’OMG, notre
modèle réutilisant le concept
clé de style d’évolution permet la spécification et la gestion de
l’évolution dans les architectures logicielles.
A partir du modèle de représentation, un formalisme de représentation en
carré est introduit. Il représente
un style d’évolution en s’articulant sur un quadruplet : l’acteur,
l’en-tête, l’élément architectural, et la
date d’évolution sont sur les quatre sommets du carré. Et finalement, une
expression simplifiée déduite
du modèle en carré fournit un cadre simple pour exprimer les évolutions
architecturales. La deuxième
étape consiste en l’application des techniques d’extraction de patterns
séquentiels aux styles d’évolution
exprimés avec l’expression simplifiée introduite (bibliothèque de styles),
en vue de préparer ces données
pour un apprentissage et d’établir un modèle d’apprentissage pour la
prédiction. Cela permet d’obtenir des
informations comme : l’ensemble des opérations d’évolution subies par un
élément architectural dans un
ordre temporel, les opérations d’évolution récurrentes, le taux de
participation des acteurs aux opérations
d’évolution, le taux d’évolution des éléments architecturaux, etc. Enfin,
la troisième étape consiste en
l’élaboration d’un modèle d’apprentissage à partir du résultat de l’étape
précédente et d’un modèle de
prédiction de futurs chemins d’évolution. Le modèle de prédiction inclut
trois principaux composants,
dont le composant d’apprentissage, le composant déclencheur et le
composant en charge de la gestion des
chemins générés. Ainsi, nous proposons une approche de prédiction basée
sur l’apprentissage des données
et faits antérieurs d’évolution de l’architecture. De plus, nous
présentons et validons notre approche à
travers une étude de cas portant sur une architecture orientée composant
et un prototype développé en java.

Composition du Jury :
Président : Jean-Michel BRUEL, Professeur à l'Université Toulouse 2 Jean
Jaurès
Examinateurs : Demba COULIBALY, MCF, à l'Université des Sciences Sociales
et de Gestion de Bamako
Mourad BOUNEFFA , MCF, Université du Littoral Côte d'Opale
Invité : Omar MAIGA,  MCF, USTTB
Directeur de thèse : Mourad Chabane OUSSALAH, Professeur, à Nantes Université
Co-directeur de thèse : Fana TANGARA, Professeur à l'USTTB
Co-encadrant de thèse : Jacqueline KONATE, MCF à l'USTTB

Bien cordialement,
Kadidiatou DJIBO
----------------------------------------------------------------------------------------------------
Hello everyone,

I am pleased to invite you to my thesis defense, which will take place on
Tuesday, Mai 24, 2022, at 2:00 pm in the amphitheater of building 34  FST
Nantes.
You are all more than welcome to attend on-site or by zoom via the
following link:

https://mediaserver.univ-nantes.fr/lives/ls2n/

Title of the thesis: Mining software architecture evolution styles

Software architectures play a key role in the software life cycle. They
ensure the systems’ documentation,
their maintenance management and their evolutions. In this thesis, we
address the problem of predicting
and planning the evolution of these software architectures. We propose a
prediction approach based on
learning from their past evolution. Thus, our approach is generalized in
three main steps. The first step
consists of proposing a model to represent the software architecture’s
evolution in accordance with the
principles of process meta-modeling. Named SAEPP : evolution
representation model, positioned on the
layer 2 of meta-modeling specified by the OMG, our model reusing the key
concept of evolution style
allows the specification and management of evolution in software
architectures. From the representation
model, a square representation formalism is introduced. It represents an
evolution style by articulating
itself on a quadruplet: the actor, the header, the architectural element,
and the evolution date are on the
four corners of the square. And finally, a simplified expression deduced
from the square model provides a
simple framework to express architectural evolutions. The second step
consists in applying the sequential
pattern extraction techniques to the evolution styles expressed with the
introduced simplified expression
(style library), in order to prepare these data for learning and to
establish a learning model for prediction.
This makes it possible to obtain information such as: the set of evolution
operations undergone by an
architectural element in a temporal order, the recurrent evolution
operations, the participation rate of the
actors in the evolution operations, the evolution rate of architectural
elements, etc. Finally, the third step
consists in the development of a learning model from the result of the
previous step and a prediction model
of future evolution paths. The prediction model includes three main
components, including the learning
component, the trigger component and the component in charge of managing
the generated paths. Thus,
we propose a prediction approach based on learning from past data and
facts of architecture evolution. In
addition, we present and validate our approach through a case study of a
component-oriented architecture
and a prototype developed in Java.

Yours sincerely,
Kadidiatou DJIBO
Velo - Vérification pour l'Environnement et le LOgiciel

Outils pour utilisateurs

Outils du site

Outils de la page
