DCT-LNS : integration of the large neighborhood search algorithm into the DCT

Abstract

Este estudo atua na área de Qualidade de Software no sentido de aulixiar na superação dos problemas relacionados à falta de documentação e de planejamento da arquitetura de um sistema de software. Isso é feito por meio da recuperação da aquitetura do sistema, utilizando-se de ferramentas automáticas de clusterização de módulos. Sendo assim, foi apresentado a integração de uma das múltiplas ferramentas automáticas de clusterização de módulos que compõem a Draco Clustering Tool (DCT). Essa ferramenta em questão se baseia em uma implementação mono-objetiva, na qual se considera apena o parâmetro deQualidadedeModularizaçãopararealizaraclusterizaçãodosmódulosdeumsoftware. Essa implementação foi feita por meio do algoritmo meta-heurístico evolucionário Large Neighborhood Search (LNS). Nesse contexto, foram realizadas duas análises comparativas. O foco da primeira análise foi a ferramenta multi-objetiva já existente da Draco Clustering Tool (DCT) e mostrou que ela pode ser considerada escalável. Além disso, nessa primeira análise também foi possível perceber a eficácia da ferramenta multi-objetiva da DCT em termos de tempo de execução e uso de memória com relação a outra ferramenta multobjetiva disponível na literatura. Por fim, essa primeira análise também mostra o melhor desempenho das ferramentas mono-objetivas em termos de todas as métricas utilizadas no estudo. Levando isso em consideração, surgiu a motivação deste estudo, que é a integração de mais uma ferramenta mono-objetiva na DCT, que foi avaliada na segunda análise comparativa feita por este estudo, na qual foi possível perceber que, a ferramenta integrada: (i) também é escalável, possuindo uma complexidade de tempo cúbica, (ii) mostrou melhor desempenho em comparação com a outra ferramenta que usa o LNS em termos das métricas de tempo de execução e uso de memória e (iii) também mostra um bomdesempenhoemcomparaçãocomoutrasferramentasemtermosdetodasasmétricas, exceto o tempo de execução quando em comparação com a ferramenta Bunch. Esse último item constitui uma possibilidade de melhoria para ser explorada em trabalhos futuros.