DiBDDme, una estrategia de división no disjunta para el análisis de Modelos de Variabilidad

Abstract

Los modelos de variabilidad, especialmente los modelos de características, son fundamentales para describir las características visibles para el usuario en líneas de productos de software (SPLs). Sin embargo, el análisis de SPLs se enfrenta a desafíos significativos cuando se trata de modelos de variabilidad muy grandes. Aunque técnicas como los resolutores de satisfacibilidad (SAT) y los diagramas de decisión binarios (BDD) son útiles, algunos análisis complejos siguen siendo difíciles de abordar de manera eficiente. En este artículo, proponemos una estrategia innovadora de dividir los modelos de variabilidad en subconjuntos no disjuntos, junto con un algoritmo para generar configuraciones válidas en estos subconjuntos. Demostramos que esta técnica no solo mejora significativamente los tiempos y el espacio necesarios para el análisis de SPLs, sino que también hace posible operaciones de análisis en modelos de variabilidad que de otro modo serían intratables.