مدلی جدید برای پیش بیىی خرابی نرم افزار با استفاده از الکوریتم بهینه سازی ازدحام ذره و ماشین بردار پشتیبان

تشخیص خطاهای ترم افزار یکی از بزرگترین چالش های توسعه نرم افزار است و بیشترین بودجه را در فرآیند توسعه نرم افزار به خود اختصاص می دهد. با تشخیص ماژول های مستعد خطا در مراحل ابتدایی فرآیند توسعه ترم افزار، مدیران پروژه های نرم افزاری می توانند هزینه، زمان و تلاش تیم توسعه را بیشتر صرف تست ماژول های مستعد خطا کنند. بنابراین، احتیاج به تشخیص ماژول های مستعد خطا در ابتدای یک پروژه ، مدیران پروژه های نرم افزاری می توانند زمان، هزینه و تلاش تیم توسعه را بیشتر صرف تست ماژول های مستعد خطا کنند و دیگر نیاز به تست کل سیستم نرم افزاری نیست. پیش بینی نقص نرم افزار می تواند قابلیت اطمینان نرم افزار را بهبود و هزینه های توسعه نرم افزاری را کاهش دهد. مدلهای سنتی پیش بینی کننده معمولا دقت پیش بینی پایین تری دارند. به این منظور برای حل این مشکل، مدل جدیدی برای پیش بینی تقص نرم افزاری با استفاده از بهینه سازی ازدحام ذره (PSO) و ماشین حمایتی حامل (SVM) به نام مدل P-SVM در این پایان نامه ارائه شده است، که باعث بهبود توانایی محاسبات غیرخطی SVM و قابلیت بهینه سازی پارامترهای PSO می شود.

Keywords:

قابلیت اطمینان , پیش بینی خطا , الگوریتم ذرات انبوه (PSO) , ماشین بردار پشتیبان (SVM)