تخمین هزینه نرم افزار با استفاده از روش ترکیبی منطق فازی مبتنی بر خوشه بندی تفاضلی و برنامه نویسی ژنتیک چندژنی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 543

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_430

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

امروزه تخمین دقیق اندازه و هزینه نرم افزار امری مهم تلقی می شود چراکه بر روی تمام جنبه های یک پروژه نرم افزاری از جمله طراحی، توسعه و ساخت پروژه تاثیرگذار است. ما در این مقاله به منظور تخمین هزینه نرم افزار مدلی پیشنهاد دادیم که ترکیبی از یک سیستم استنتاج فازی مبتنی بر خوشه بندی تفاضلی و روش برنامه نویسی ژنتیک چندژنی است. در این مدل، ترکیبی از ویژگی های نرم افزار به یک سیستم استنتاج فازی سوگنو با خوشه بندی تفاضلی داده می شود وخطای حاصل از تفاوت خروجی مدل تولیدشده و هزینه نرم افزار واقعی به عنوان شایستگی الگوریتم برنامه نویسی ژنتیک درنظر گرفته می شود تا بهترین مدل بدست آید. ما این روش را با استفاده از 3 آزمایش مختلف بر روی مجموعه داده کوکومو 18 انجام دادیم و به منظور ارزیابی از معیارهای ارزیابی خطا و پیش بینی استفاده کردیم که نتایج نشان داد مدل تخمین بدست آمده در آزمایش سوم نتایج قابل قبولی در تخمین هزینه نرم افزار ارائه می دهد.

کلیدواژه ها:

تخمین هزینه نرم افزار ، منطق فازی ، سیستم استنتاج فازی سوگنو ، خوشه بندی تفاضلی ، برنامه نویسی ژنتیک چندژنی

نویسندگان

فاطمه کاربخش راوری

دانشجوی کارشناسی ارشد رشته مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان

مهدی افتخاری

استادیار، استاد مدعو دانشگاه آزاد اسلامی واحد کرمان (مسئول مکاتبات)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • کیا، م، 1391، منطق فازی در متلب، چاپ دوم، انتشارات ...
  • Garcia-Diaz, N. Lopez-Martin C. and Chavoya A., 2013, A comparative ...
  • Sommerville, y, (2007), Software Engineering:A Practitioner's Approach ...
  • Lopez-Martin , C., (2011), A fuzzy logic model for predicting ...
  • Bou, A., Hob, D. and Capretza, L , (2013), Towards ...
  • Wen, J., Shixian, L., Zhiyong, L., Huc, Y. and Huang, ...
  • Khatibi, V., Jawawi, D.. Hashim, S. and Khatibi, E., (2011), ...
  • Boehm, B., 1981, Software Engineering Economics, Prentice-Hall, Upper Saddle River, ...
  • Putnam, H..1978, A General Empirical Solution to the Macro Software ...
  • _ Kumar, V. and Sharma V., 2010, Handling Imprecision in ...
  • Kumar, S., Govinda, T., Chaitanya, V. and Tejaswi, A., 2011, ...
  • Moataz, A. and Muzaffar, Z., 2009 , Handling imprecision and ...
  • Muzaffar, Z. and Moataz, A., 2010, Software development effort prediction: ...
  • Kazemifard, M., Zaeri, A. and Gha semAghaee, N., 201 1, ...
  • sinhal, A. and Verma, B., 2013, A Novel Fuzzy based ...
  • Sivanageswara, G., Phani Krishna, Ch. And Rajasekhara Rao K., 2014, ...
  • Reddy, P. and Hari, 2011, Fuzzy Based PSO for Software ...
  • Idri, A. and Amazal, F., 2012, Software cost estimation by ...
  • Idri, A. and Zahi, A., 2013, Software Cost Estimation by ...
  • Khatibi , V., AbangJawawi, D., Khatibi, A. and Khatibi, E., ...
  • Zadeh, L., 1865 Fuzzy Sets, Information and Control. 338-353. ...
  • Wang, 1994, Adaptive Fuzzy System and Control: Design and Stability ...
  • Taghavifar, H. and Mardani, A., 2014, Fuzzy logic system based ...
  • Langdon, W. , 2009, /GPTIPS] User Guide (genetic programming _ ...
  • Mu-Yen, Ch., 2013, A hybrid ANFIS model for business failure ...
  • نمایش کامل مراجع