ترکیب الگوریتم ژنتیک با الگوریتم جستجوی ممنوعه برای تخمین هزینه پروژه هاینرم افزاری

تخمین هزینه پروژه های نرم افزاری شامل منابعی است که فقط با تجربه اجرایی تعداد و هزینه آنها قابل دستیابی است. هدفنهایی از تخمین، نزدیکی هر چه بیشتر با واقعیت های پروژه از لحاظ زمان و هزینه می باشد. در شروع کار لازم است زمان موردنیاز برای هر یک از مراحل پروژه پیش بینی شده و در نهایت زمان کلی پروژه تعیین شود. تخمین به روش مدل های الگوریتمیروشی رایج در زمینه برآورد هزینه پروژه های نرم افزاری است. اما مدل های الگوریتمی همانند کوکومو در تخمین هزینه پروژهخیلی دقیق نیستند زیرا به صورت خطی هستند و مقدار مناسب برای فاکتورهای تلاش درنظر گرفته نمی شود. در مقابلمدل های هوش مصنوعی در سه دهه اخیر پیشرفت چشمگیری در مدلسازی تخمین هزینه پروژه های نرم افزار داشته اند. اینمدل ها برمنبای تکرار و آموزش مقدار مناسب را برای فاکتورهای تلاش پیدا می کنند و تخمین دقیق تری در مقایسه با مدل هایالگوریتمی دارند. در همین راستا در این مقاله از بهبود الگوریتم ژنتیک با استفاده از جستجوی ممنوعه استفاده شده است. ارزیابی مدل پیشنهادی برروی مجموعه داده های KEMERER ،NASA۹۳ ،NASA۶۳ ،NASA۶۰ و MAXWELL انجام شده است. نتایج نشان می دهد که مدل پیشنهادی در مقایسه با الگوریتم ژنتیک و جستجوی ممنوعه میانگین مقدار خطای نسبیکمتری دارد. الگوریتم جستجوی ممنوعه در مقایسه با الگوریتم ژنتیک مقدار میانگین مقدار خطای نسبی کمتری کسب کردهاست

Keywords:

تخمین هزینه نرم افزار , مدل کوکومو , الگوریتم ژنتیک , جستجوی ممنوعه