استفاده از الگوریتم ژنتیک برای بهینه سازی روشهای تخمین تلاش نرم افزار

یکی از فعالیتهای اصلی و کلیدی در توسعه موثر و کارآمد پروژه های نرم افزاری تخمین دقیق هزینه های نرم افزار است . تخمین تلاش در مراحل اولیه توسعه نرم افزار ، یکی از مهم ترین چالش های مدیریت پروژه های نرم افزاری است ؛ از جمله دلایل این چالش ها می توان به ناهماهنگی و ناسازگاری پروژه های نرم افزار، پیچیدگی فرآیند تولید ، نقش ویژه انسانها و سطح بالای مشخصات مبهم و غیر عادی پروژه های نرم افزار اشاره کرد . 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 نرم افزاری ، به تکنیکهای بهینه با منابع محدود ، موثر و جدید تمایل یابند. ضرورت تلاش برای افزایش دقت تخمین ها ما را برآن داشت که در این مقاله به بررسی کارآیی الگوریتم فرا ابتکاری ژنتیک و تاثیر آن بر روی روشهای تخمین پروژه های نرم افزاری بپردازیم. به این منظور در این مقاله ما تاثیر ترکیب الگوریتم ژنتیک را با مدلهای مختلف تخمین از جمله مدل کوکومو ، تخمین برپایه قیاس ، متدهای یادگیری ماشین و مدلهای استاندارد تخمین بررسی نمودیم . با صرف نظر از روش تخمین 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.

کلیدواژه ها:

تخمین هزینه ، الگوریتم ژنتیک ، کوکومو ، تخمین برپایه قیاس ، روشهای یادگیری ماشین