الگوریتم ترکیبی برپایه شبکه عصبی و الگوریتم علف های هرز مهاجم جهت پیش بینی نقص نرم افزار

تشخیص خطاهای نرم افزار یکی از بزرگترین چالش های توسعه نرم افزار است. پیش بینی نقص نرم افزار, یک زمینه مهم در پژوهشهای کیفیت نرمافزاری است که باعث صرفه جویی در زمان و هزینه می شود.شبکه عصبی پرسپترون چندلایه به همراه الگوریتم آموزشی پس انتشار خطا, به طور معمول برای حل مسایل دسته بندی , پیش بینی و مسایل محاسباتی گوناگون به کار میرود. ایراد اصلی الگوریتم آموزشی پس انتشار خطا این است که به دلیل وجود مینیممه ای محلی زیادی در فضای راه حل, امکان به دام افتادن الگوریتم آموزش شبکه عصبی در مینیمم های محلی وجود دارد که در نتیجه منجر به کاهش کارایی شبکه عصبی در فرآیند پیش بینی می گردد. در این تحقیق به منظور غلبه بر این مشکل , الگوریتم علف های هرز به همراه الگوریتم آموزشی پس انتشار خطا جهت آموزش شبکه عصبی پرسپترون چند لایه به منظور انجام پیش بینی نقص نرم افزار به کار رفته است.سپس کارایی الگوریتم مطرح شده در مقابل الگوریتم های رایج مقایسه شده است. نتایج به دست آمده نشاندهندهی برتری الگوریتم پیشنهادی نسبت به سه الگوریتم دیگرمی باشد.

کلیدواژه ها:

پیش بینی نقص نرم افزار ، الگوریتم علف های هرز مهاجم ، پس انتشار خطا ، پرسپترون چند لایه