在软件工程领域,随着软件系统的日趋复杂及其面临的外部因素变化日益频繁,需要有一种自适应机制来应对这些挑战,此种机制使软件系统在开放的环境中,能够感知周围环境的变化,并做出相应的调整使得系统处于一种最佳的状态。本文对Cheng和David提出的一种经典的分层自适应框架进行分析研究,并以此为基础,提出了集中式管理的动态自适应框架。本文在此框架之中主要做了以下几点改进:首先在知识库策略设计时,为了防止条件描述扩展性不足,引入了后缀表达式来描述条件,提高其扩展性。其次为了防止进行策略匹配,匹配到多个可执行策略导致无法进行策略抉择的情况,本文引入效用理论对匹配到的多个可执行策略进行择优选择。最后为了降低自适应调整过程中体系结构中构件连接子的耦合度,并且解决分布式情况下软件无法进行跨服务自适应调整的问题,本文引入分布式管理中心,利用该管理中心协调体系结构动态调整。另外,针对基于预设策略的自适应软件无法应对策略以外的环境变化问题,提出了一种基于强化学习的自适应策略规约的模型。在该模型中首先利用软件工程的需求工程中基于目标和场景的方法将运行系统映射成状态和行为的组合,然后在策略规划时利用强化学习技术在目标树场景中搜索学习,得到最优的调整方案,来实现对未知环境的自适应。接着,利用UML对自适应系统建模,该模型只能反映出自适应系统静态的结构关系和动态调用关系,却无法反映软件的自适应能力。本文借助UML扩展的技术构建一种自适应建模语言,利用该语言可以实现对自适应软件进行图形化描述。最后参照一些优秀的建模软件并结合本文提出的自适应建模语言,设计并实现了一个自适应建模平台Violet,并且运用该平台,以有实际应用的自适应无人机飞控系统为例进行建模描述。