本稿では、動的環境で動作する構成可能なソフトウェアシステムのパフォーマンス学習の問題を解決するために、二重階層適応（DHDA）フレームワークを提案します。 DHDAは、グローバルな変化（全体の設定空間のパフォーマンスの変化）と地域の変化（設定空間の特定の部分にのみ影響する変化）の両方に適応するように設計されています。上位レベルでは、データを再分割して地域モデルを再訓練することで、必要なときにのみグローバルな変化に対応し、下位レベルでは各分割の地域モデルが非同期的に地域的変化を検出して適応します。効率のために、増分更新と定期的な完全再訓練を組み合わせて、変化が検出されないときに不要な計算を最小限に抑えます。 8つのソフトウェアシステムの評価の結果、DHDAは最先端の方法よりも精度がはるかに高く、最大2倍のパフォーマンス向上で変化に効果的に適応し、合理的なオーバーヘッドを維持することを示しています。
