مروری بر بهینه سازی تخمین هزینه های نرم افزار با استفاده از الگوریتمهای فرا ابتکاری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 690

فایل این مقاله در 11 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:

CSITM02_012

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

یکی از فعالیتهای اصلی و کلیدی در توسعه پروژه های نرم افزاری تخمین دقیق هزینه های نرم افزار است. عدم قطعیت و پیچیدگی سیستم های نرم افزاری، توسعه موثر و کارآمد نرم افزار را با مشکل مواجه ساخته و باعث شده که سیستم های نرمافزاری، به تکنیکهای بهینه با منابع محدود، موثر و جدید تمایل یابند. پیش بینی تلاش لازم برای توسعه نرم افزار با بکارگیری الگوریتمهای بهینه سازی فراابتکاری پیشرفتهای قابل توجهی را در این حوزه ایجاد کرده است. این الگوریتمها این پتانسیل را دارند که به عنوان یک ابزار مفید معتبر، در تخمین تلاش نرم افزار بکار روند. ضرورت تلاش برای افزایش دقت تخمین ها ما را برآن داشت که در این مقاله به بررسی کارآیی برخی الگوریتمهای فرا ابتکاری و تاثیر آنها بر روی تخمین تلاش پروژه های نرم افزاری بپردازیم. به این منظور در این مقاله تاثیر ترکیب الگوریتمهای مختلف بهینه سازی از جمله الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات را با مدلهای مختلف تخمین از جمله مدل کوکومو، تخمین برپایه قیاس، متدهای یادگیری ماشین و مدلهای استاندارد تخمین بررسی شده است. این مدلها جهت آزمایش نتایج از مجموعه داده های مختلفی از جمله: کوکومو،دشارنیز، ناسا، کمررISBSG ،DPS ،CF و کوتن وگری استفاده کردند. با صرف نظر از روش تخمین، الگوریتم بهینه سازی و مجموعه داده مورد استفاده، کاهش مقدار خطا در تخمین هزینه های نرم افزار که هدف همه روشهای بهینه سازی مورد مطالعه بوده است؛ تحقق یافته است. بررسی انجام شده در این مقاله، می تواند به عنوان یک مرجع اولیه، مورد استفاده محققان قرار گیرد

نویسندگان

فهیمه ضیاالدینی

دانشجوی کارشناسی ارشد فناوری اطلاعات،گروه کامپیوتر ،دانشگاه آزاد، کرمان، ایران

سیدمجتبی صباغ جعفری

استادیار، بخش کامپیوتر و فناوری اطلاعات، دانشگاه ولی عصر رفسنجان، کرمان، ایران

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 :
  • Jin-Cherng, L. a.-T.-H.-C .)2113(.USING COMPUTING INTE LLIGENCE TECHNIQUE S TO ...
  • Wen, J. a .)2111(.Improve analogy-based software effort estimation using principal ...
  • نمایش کامل مراجع