بهینه سازی ضرائب مدل کوکومو میانه با استفاده از الگوریتم رقابت استعماری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 644

فایل این مقاله در 18 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FBFI01_102

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

تخمین هزینه نرم افزار یکی از مراحل اساسی در برنامه ریزی پروژه است و نقش مهمی در فرآیند تصمیم گیری دارد. هدف از تخمین تنها محدود به دقت نشده بلکه کنترل هزینه و محدوده پروژه، از دیدگاه سازمانی را نیز در برمی گیرد. تخمین دقیق تلاش نرم افزار در مراحل اولیه فرآیند توسعه نرم افزار نه تنها پایه و اساس محکمی برای موفقیت پروژه محسوب می شود بلکه در تصمیم گیری تجاری شرکتهای نرم افزاری هم مفید است. مدلهای اولیه تخمین برپایه تجزیه و تحلیل رگرسیون و مشتقات ریاضی بوده اند. بیشترین مدل مورد استفاده کوکومو می باشد. این مدل به صورت نفر-ماه در مراحل مختلف پروژه مورد استفاده قرار می گیرد. امروزه استفاده از الگوریتمهای فراابتکاری در بهینه سازی مدل های الگوریتمی و پارامترهای تخمین هزینه بسیار کار آمد می باشد. لذا در این مقاله ما یک روش جدید با استفاده از الگوریتم رقابت استعماری جهت بهینه سازی پارامترهای موثر تخمین هزینه نرم افزار مدل کوکوموی میانه و بر روی پروژه های نرم افزاری مجموعه داده ناسا و کوکومو پیشنهاد داده ایم. نتایج آزمایش نشان می دهد که مدل پیشنهادی کارآمدتر از مدل کوکومو میانه در تخمین هزینه پروژه های نرم افزاری است.

نویسندگان

مریم حسنی سعدی

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

عباس رضائی

عضو هیات علمی دانشگاه آزاد اسلامی کرمان، گروه کامپیوتر ، دانشگاه آزاد اسلامی واحد کرمان، 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 :
  • آتش پزگرگری ا. (1387, 7). توسعه الگوریتم بهینه سازی اجتماعی ...
  • Atashpaz- Gargari, E. . (2007). Imperialist competitive algorithm: can algorithm ...
  • Bardsiri, V. K. (2013). LMES: A localized multi- estimator model ...
  • Choudhary, K. (2010). GA based Optimization of Software Development effort ...
  • Gharehchop ogh, F. S. (2011). Neural networks application in software ...
  • Gharehchop ogh, F. S. (2014). A NOVEL PARTICLE SWARM OPTIMIZAT ...
  • Gharehchop ogha, F. S. (2012). A New Approach in Software ...
  • Hakkarainen, J. _ (1993). Neural networks in specification level software ...
  • Joseph, S. (2012). Genetic approach for Software Effort Estimation: A ...
  • Khalifehlou, . A. (2012). A Survey of Data Mining Techniques ...
  • Khatibi , V., & awawi, D. (2011). Software Cost Estimation ...
  • Kumar, A. a. (2013). A Novel Technique of Optimization for ...
  • Lin, J.-C. a.-T.-Y.-C. (2013). Using Computing Intelligence Techniques to Estimate ...
  • Maleki, I. a. (2014). A New Approach for Software Cost ...
  • Rao, G. S. (2014). Multi Objective Particle Swarm Optimization for ...
  • Sheta, A. F. (2006). Estimation of the COCOMO model parameters ...
  • Singh, B. K. (2012). Software Effort Estimation by Genetic Algorithm ...
  • Zia, Z. K. (2012). Software Cost Estimation Using Soft Computing ...
  • نمایش کامل مراجع