یک مدل برآوردگر تلاش انعطاف پذیر بر اساس الگوریتم ASO
Publish place: Journal Of Modeling in Engineering، Vol: 21، Issue: 73
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 74
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-21-73_001
تاریخ نمایه سازی: 18 مهر 1402
Abstract:
مدیریت موفق پروژه توسعه نرم افزار، نیازمند تخمین دقیق هزینه ها است. تخمین دقیق هزینه ها باعث برنامه ریزی بهتر، با حداقل هزینه خواهد شد. اما تخمین هزینه های پروژه نرم افزار، بدلیل ماهیت ناملموس نرم افزار، همواره با چالش های فراوانی روبرو بوده است. از این رو پژوهش های فراوانی در جهت توسعه ابزار های دقیق برای تخمین تلاش مورد نیاز برای توسعه نرم افزار انجام شده است. بر اساس ادبیات تحقیق، استفاده از شیوه های شناسایی نوع ارتباط میان ویژگی های پروژه نرم افزار و ویژگی های موثر بر تلاش مورد نیاز برای توسعه نرم افزار، تاثیر بسازایی بر افزایش دقت تخمین مقدار این تلاش دارد. ایده این مقاله ارائه یک مدل جدید متشکل از زیرمدل هایی برای تحلیل ویژگی های پروژه و استفاده از یک الگوریتم هیوریستیک جدید و دقیق به نام الگوریتم بهینه سازی جستجوی اتم(ASO) برای پیکربندی ابزارها و روش های مدل سازی داده بوده است. سازماندهی زیر مدل ها به نحوی انجام شده است که موجب افزایش کارایی یکدیگر و در نهایت افزایش دقت تخمین نهایی شده اند. برای ارزیابی دقت مدل پیشنهادی، از۳مجموعه داده از پروژه های واقعی استفاده شده و نتایج بدست آمده با نتایج روشهای مختلف بر اساس معیار های MMRE، MdMRE و Pred مقایسه شده است. در انتها برای اثبات برتری مدل پیشنهادی نسبت به سایر مدل ها و روش ها از تحلیل آماری wilcoxon استفاده شده است. نتایج بدست آمده، نشان دهنده دقت بالای مدل پیشنهادی است.
Keywords:
Authors
امین مرادبیکی
دانشکده علوم، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران
وحید خطیبی
استادیار، دانشکده علوم، گروه مهندسی کامپیوتر، دانشگاه آزاداسلامی واحد کرمان، کرمان، ایران
مهدی جعفری
دانشکده مهندسی، گروه برق، دانشگاه آزاداسلامی واحد کرمان، کرمان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :