بکارگیری الگوریتم بهینه سازی کلونی مورچگان به منظور زمانبندی پروژه های نرم افزاری
Publish place: یازدهمین کنفرانس بین المللی مدیریت پروژه
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 838
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPMC11_020
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
زمانبندی پروژه های تولید و توسعه نرم افزار یکی از مشکلات مهم و چالش برانگیز است که مدیران پروژه ها در صنعت بسیار رقابتی نرم افزار با آن مواجه هستند. برای حل مساله زمانبندی که با افزایش تعداد کارکنان و فعالیتهای مرتبط تبدیل به یک مسیله NP سخت می گردد ، تنها چند الگوریتم محدودبرای حل وجود دارد که نتایج رضایت بخشی ایجاد نمی کنند. به منظور طراحی یک الگوریتم موثر ، در این تحقیق یک الگوریتم بهینه سازیکلونی مورچگان ) ACO ( برای این مساله پیشنهاد شده است . از آنجایی که یک فعالیت در پروژه های نرم افزار شامل پرسنل مختلف می گردد ، در این مقاله، با تقسیم وظایف و توزیع تخصیص پرسنل به فعالیتها که در قالب گره هایی در نمودار ساختاری برای ACO ایجاد می نماییم. راه حل ابتکاری بر پایه 6 حوزه به منظور بررسی فاکتورهای ، تلاشهای مورد نظر به منظور اجرای فعالیتها ، پرسنل تخصیص داده شده و اهمیت فعالیت طراحی شده است. درمیان این استراتژیهای ابتکاری، راه حل ابتکاری تخصیص پرسنل به سایر فعالیتها به خوبی عمل می کند. مساله زمانبندی پروژه های تولید و توسعه نرمافزار با یک الگوریتم ژنتیک در مورد 30 نمونه مقایسه شده است. نتایج آزمایشهای صورت گرفته نشان می دهد که الگوریتم پیشنهاد شده امید بخش است و می تواند به نرخهای اصابت با دقت بالاتر در مقایسه با حل بدست آمده از الگوریتم ژنتیک دست یابد
Keywords:
Authors
سامان سیادتی
دانشجوی دکتری مهندسی صنایع، مرکز تحقیقات هوش استراتژیک، دانشگاه صنعتی خواجه نصیر الدین طوسی
محمد معصومی
کارشناس تحقیقات و مدیریت فناوری، شرکت پژوهش و توسعه ناجی
محمدجعفر تارخ
دانشیار دانشکده مهندسی صنایع، مرکز تحقیقات هوش استراتژیک، دانشگاه صنعتی خواجه نصیر الدین طوسی
مهدی سیدهاشمی
مدیرعامل ، شرکت پژوهش و توسعه ، تهران، 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 :