随着计算机技术的迅速发展,软件的规模越来越大,复杂度越来越高,功能亦越来越强大。正是由于这些原因,软件系统在运行过程中将会不可避免地发生失效现象。对于一些需要具备更高安全性、可靠性软件的领域如轨道交通、航空、核能来说,进行软件可靠性模型及软件失效行为预测的研究是必要的。评估预测软件可靠性,通常采用的方法是在分析软件失效机理的基础上对软件的可靠性建模,进而利用可靠性模型预测软件失效行为。本文通过软件失效的原因分析,认为软件失效行为不仅具有随机性,而且具有混沌性,因此将混沌理论与软件可靠性模型相结合预测软件失效行为。本文的研究工作主要由以下几个方面:(1)既有软件可靠性模型存在的问题。大多数软件可靠性模型是建立在概率论或随机过程基础上。然而基于随机过程的可靠性模型都是建立在关于软件失效行为的某些假设的前提之上的,这些假设条件决定了可靠性模型的准确度。如果假设前提与实际情况差别较大,模型的准确度就会下降。而软件可靠性混沌模型能够避免这些假设前提,从软件失效数据出发,挖掘软件失效的内在规律。(2)软件失效行为的混沌特性分析。以往认为软件失效行为具有随机性的原因在于软件的使用剖面具有随机性。然而本文认为软件的使用剖面在某种程度上具有确定性。在日常运行中,软件的输入具有相当的确定性,不会从无限的输入域中随机选择;在测试过程中,测试人员不会从无限的输入域中选择测试用例,测试用例的选择有一定的规律性,不是完全随机的。另一方面,测试人员在测试中可能由于内心意识或外部环境而影响到其思维方式。这同混沌系统既具有确定性也具有初值敏感性的特点相似。(3)软件失效数据的混沌时间序列分析。对混沌时间序列数据的混沌识别算法、相空间重构参数嵌入维数和时间延迟的求取方法做了介绍。选择G-P算法和C-C法求取ATP(Automatic Train Protection)软件失效数据的嵌入维数和时间延迟;通过计算ATP软件失效数据的最大Lyapunov指数来判别失效数据的混沌性。(4)ATP软件可靠性混沌模型验证。以ATP软件失效数据对混沌可靠性模型验证。采用基于最大Lyapunov指数预测法和BP神经网络的混沌预测法预测软件失效行为。将预测结果与J-M模型、G-O模型的预测结果进行比较。结果表明混沌可靠性模型对软件失效行为预测的效果较优于随机过程模型。图32幅,表2个,参考文献74篇