A Multi-Agent Consensus Protocol for Stable Software Remodularization

技術的概要：安定したソフトウェア再モジュール化のためのマルチエージェント合意プロトコル

問題定義
現在の自動ソフトウェア再モジュール化のアプローチは、一般的にタスクを単一目的最適化問題として定式化し、凝集性を高め結合度を低減するために、TurboMQ などの構造的メトリックを最大化する傾向にあります。近年のメタヒューリスティックは探索効率を向上させましたが、これらの手法は重要な実用的制約である「進化的安定性」に対処できていません。構造的品質を最大化するものの、以前のシステムバージョンと大きく異なる分解は、開発者に大きな認知的負担を強います。既存のツールは「予算無視」であり、安定性を無視するか、任意の係数を持つ固定された重み付き和に統合してしまい、厳格な安定性制約を強制する能力や、特定のステークホルダーの好みに適応する能力を欠いています。

手法：非対称単調譲歩プロトコル（AMCP）
著者らは、ソフトウェアモジュール化を静的な最適化問題ではなく、自律エージェント間の分散合意問題として再定義します。提案されるフレームワークは、対立する効用関数を持つ 2 つのエージェントを導入します：

1. 凝集エージェント（$A_{coh}$）： 正規化された TurboMQ メトリックを用いて構造的密度を最大化しようとします。
2. 安定性エージェント（$A_{sta}$）： 前のバージョン（$D_{prev}$）のレイアウトを維持するため、Move-plus-Join（MoJo）距離を最小化しようとします。

中核メカニズムは**非対称単調譲歩プロトコル（AMCP）**です。このプロトコルにおいて：

• 非対称性： 安定性エージェントが唯一の提案者として行動します。これは、レガシーアーキテクチャがデフォルト状態である現実世界の保守シナリオを反映しています。凝集エージェントは、安定性の下限を侵害せずに凝集性を向上させる移動を暗黙的に受け入れます。
• 譲歩ロジック： 安定性エージェントは、潜在的な単一モジュールの再割り当てを評価し、**譲歩率（$R(\delta)$）**を最小化する移動を選択します。この比率は、凝集性効用の単位あたりの安定性効用のコストを表します。
• しきい値： プロトコルは明示的な生存しきい値（$\tau_{sta}$ および$\tau_{coh}$）を強制します。移動が安定性予算（$\tau_{sta}$）を侵害する場合、それは拒否されます。
• 終了： 安定性のしきい値を尊重しつつ凝集性を向上させる有効な移動が存在しない場合、または有効な移動のセットが尽きた場合、交渉は終了します。

主な貢献

1. 形式的数学モデル： 本論文は、効用駆動型エージェント間の分散合意問題としてのソフトウェア再モジュール化の形式的モデルを確立します。
2. AMCP プロトコル： 著者らは AMCP を提案し、以下のための形式的証明を含みます：
   • 有限終了： プロトコルは凝集性効用を厳密なリアプノフ関数として使用するため、有限ステップ数（$n \cdot (k_{max} - 1)$で有界）で終了することが保証されます。
   • 合理性（ゼウテン戦略）： プロトコルの振る舞いはゼウテン戦略にマッピングされ、エージェントが相手方を満足させるために必要な最小限の譲歩を行い、まず「安価な」譲歩を優先することを保証します。
   • 局所パレート充足性： 生成された分割は、単一移動の近傍内で局所的にパレート充足であり、つまり、安定性のしきい値を侵害することなく凝集性を厳密に改善する単一の再割り当ては存在しません。
3. 複雑性分析： このアプローチは探索空間を効果的に剪定し、ステップあたり$O(n \cdot k)$の候補を評価します。これは、集団ベースのメタヒューリスティックの指数関数的な状態空間と対照的です。

実験結果
予備実験は、合成ベンチマークおよびXwork Java フレームワーク（113 クラス、10 パッケージ）で行われました。

• 予算強制： プロトコルは厳格な安定性予算を正常に強制しました。安定性しきい値（$\tau_{sta}$）を拘束制約（0.95）に設定したとき、プロトコルは探索を早期に切断（3 ステップ）し、安定性効用を 0.9583 維持しました。これは制約のない Bunch オプティマイザ（0.9167）よりも著しく高い値です。
• 緩い予算： より緩い予算（$\tau_{sta} \leq 0.90$）の場合、結果は制約のない場合と同一でした。これは、プロトコルが安定性が制限要因となる前に、構造的改善をすべて自然に使い果たすことを示しています。
• 比較： 交渉された合意は、安定性制約が緩い場合、最先端のオプティマイザ（Bunch、CC/G）と一致しましたが、厳格な制約が適用された場合は「サーキットブレーカー」として機能しました。
• 効率性： Python による実装は、Xwork システムにおいてステップあたり平均 1.24 秒を要し、このアプローチの実用性を確認しました。

意義と主張
本論文は、クラスタリング出力の静的なワンショット融合を動的なマルチエージェント交渉に置き換えることで、質的な飛躍を遂げたと主張します。

• アーキテクチャ制御： 主な意義は、アーキテクトによって設定された「安定性予算」を数学的に強制する能力にあり、構造的最適化のためだけにシステムレイアウトが劣化しないことを保証します。
• 形式的保証： ヒューリスティックなアプローチとは異なり、このフレームワークは終了と合理的な譲歩行動に関する形式的保証を提供します。
• 範囲： 著者らは、予備結果は有望であるものの、10 の追加システムを網羅し、多目的進化アルゴリズム（例：NSGA-II）との比較を含むより広範な実証評価は、今後の完全版論文に先送りされると指摘しています。現在の研究は、コードレベルにおける交渉パラダイムの概念実証として機能します。