مروری بر روش های پیش بینی نقص نرم افزار مبتنی بر شبکه عصبی

با افزایش اندازه و پیچیدگی سیستم های نرم افزاری صنعت نرم افزار با چالش تحویل سیستم با کیفیت، قابل اعتماد و با بودجه تعیین شده مواجه شده است. با توجه به افزایش وابستگی کاربران به نرم افزار، کیفیت بیشتر نرم افزار در عصر حاضر به یک امر حیاتی تبدیل شده است. از طرف دیگر، پیچیدگی و محدودیت های توسعه نرم افزار رو به افزایش می باشد و نقص های نرم افزاری از قبیل خرابی و خطا، کیفیت نرم افزار و سطح رضایت مشتری را کاهش می دهد، بنابراین تولید نرم افزار بدون خطا بسیار ضروری است. از آنجایی که اکثر نقص های یک محصول نرم افزاری فقط در بخش کوچکی از ماژول های آن یافت می شوند، با تشخیص زودهنگام ماژول ها مستعد خطا، توسعه دهندگان نرم افزار می توانند منابع محدود موجود را برای آزمون دقیق ماژول های مستعد خطا تخصیص دهند تا یک نرم افزار باکیفیت بالا و به موقع، بتواند تولید شود. پژوهش های زیادی بر روی حوزه ی پیش بینی خطا در نرم افزار انجام شده است. شیوه ی کلی تمامی این پژوهش ها، اینگونه است که با جمع آوری معیارهای نرم فزاری برای قطعات، یک مدل ریاضی برای پیش بینی قطعات مستعد خطا ساخته شود. لذا در این مقاله به بررسی جامع در زمینه پیش بینی نقص نرمافزار با به کارگیری الگوریتم های هوش مصنوعی و دیگر روش های مطرح در این زمینه پرداخته شده است

کلیدواژه ها:

نقص نرم افزار ، شبکه عصبی ، انتخاب ویژگی ، کیفیت نرم افزار ، آزمون نرم افزار