مروری بر روشهای پیش بینی نقص نرم افزار مبتنی بر شبکه عصبی

با افزایش اندازه و پیچیدگی سیستم های نرم افزاری صنعت نرمافزار 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 محدودیتهای توسعه نرم افزار رو به افزایش میباشد و نقص های نرم افزاری از قبیل خرابی و خطا، کیفیت نرم افزار و سطح رضایت مشتری را کاهش میدهد، بنابراین تولید نرم افزار بدون خطا بسیار ضروری است. از آنجایی که اکثر نقص های یک محصول نرمافزاری فقط در بخش کوچکی از ماژولهای آن یافت میشوند، با تشخیص زودهنگام ماژول ها مستعد خطا، توسعه دهندگان نرم افزار میتوانند 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 پیشبینی خطا در نرم افزار انجام شده است. شیوهی کلی تمامی این پژوهش ها، اینگونه است که با جمع آوری معیارهای نرم افزاری برای قطعات، یک مدل ریاضی برای پیشبینی قطعات مستعد خطا ساخته شود . لذا در این مقاله به بررسی جامع در زمینه پیشبینی 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