افزایش دقت تخمین کار لازم برای ساخت نرمافزار با تنظیم پارامترهای مدل COCOMO با استفاده از الگوریتم رقابت استعماری

تخمین هزینه نرم افزار، به عنوان یکی از مراحل اساسی در برنامه ریزی پروژه، نقش مهمی در فرآیند تصمیم گیری داشته و فعالیتی چالشی در مدیریت پروژه های نرم افزاری محسوب میشود. تخمین دقیق میزان کار لازم (تلاش) در مراحل اولیه فرآیند توسعه نرم افزار، پایه و اساس محکمی برای موفقیت پروژه محسوب میشود و تخمین نادرست میتواند منجر به شکست پروژه گردد. محبوبترین و مرسوم ترین مدل مورد استفاده در بین مدلهای الگوریتمی تخمین تلاش، COCOMO میباشد که نتیجه خود را به صورت تعداد نفر- ماه در مراحل مختلف پروژه اعلام مینماید. اما به علت ذات غیر قطعی تخمین هزینه نرم افزار، مدلهای الگوریتمی نتوانسته اند تخمین دقیق و نزدیک به واقعیتی را به دست بیاورند. در این مقاله، استفاده از الگوریتم های بهینه سازی و یادگیری ماشین، جهت یافتن بهترین مقادیر ضرائب مدل COCOMO و در نتیجه بهبود نتایج تخمین، مورد توجه قرار گرفته است. در این راستا، الگوریتم بهینه سازی رقابت استعماری مورد استفاده قرار گرفته و با بررسی نتایج خروجی مدل پیشنهادی، مشاهده شد که دقت تخمین بسیار بالایی نسبت به سایر روشها، برروی مجموعه داده های COCOMO 81 و NASA 93 حاصل شده است.

Keywords:

تخمین هزینه و تلاش , مدل COCOMO , یادگیری ماشین , الگوریتم رقابت استعماری