نوع فایل :PDFتعداد صفحات :17سال انتشار :1395چکیدهتخمین تلاش توسعه نرم افزار درسال های اخیر برای برنامه نویسان، مدیران و مشتریان یک موضوع چالش برانگیز شده است. برخی از دلایل این چالش تناقض پروژه های نرم افزاری، پیچیدگی فرآیند تولید، نقش ویژه انسان، الزامات مبهم وغیره هستند. برآورد مبتنی بر قیاس(ABE) رایج ترین روش در این زمینه است. این روش ساده، عملی و با تکیه بر مقایسه بین پروژه های جدید و پروژه های انجام شده تلاش توسعه را برآورد می کند. با وجود مزایای زیاد، ABE زمانی که سطح اهمیت ویژگی هایکسان نیست و یا تعیین رابطه میان ویژگی ها دشوار است قادر به تولید یک برآورد دقیق نیست. در این مواقع وزن دهی صحیح ویژگی ها می تواند یک راه حل برای بهبود عملکردABE باشد. این مقاله یک مدل ترکیبی برمبنای ترکیبی از الگوریتم بهینه سازی بر مبنای آموزش و یادگیری(TLBO) و ABE برای افزایش دقت برآورد تلاش توسعه پیشنهاد می کند. در واقع این مدل روند وزن دهی ویژگی را طوری تنظیم کرده که عملکرد ABE بهبود یافته است. نتایج به دست آمده نشان می دهند که ترکیبی از TLBO و ABE توانسته نسبت به مدل های برآورد موجود عملکرد را به طور قابل توجهی بهبود دهدواژگان کلیدیروش برآورد برمبنای مقایسه، الگوریتم بهینه سازی مبتنی برآموزش و یادگیری، وزنهای بهینه
بهینه سازی روش برآورد بر مبنای مقایسه با بکارگیری الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری
نوع فایل :PDFتعداد صفحات :17سال انتشار :1395چکیدهتخمین تلاش توسعه نرم افزار درسال های اخیر برای برنامه نویسان، مدیران و مشتریان یک موضوع چالش برانگیز شده است. برخی از دلایل این چالش تناقض پروژه های نرم افزاری، پیچیدگی فرآیند تولید، نقش ویژه انسان، الزامات مبهم وغیره هستند. برآورد مبتنی بر قیاس(ABE) رایج ترین روش در این زمینه است. این روش ساده، عملی و با تکیه بر مقایسه بین پروژه های جدید و پروژه های انجام شده تلاش توسعه را برآورد می کند. با وجود مزایای زیاد، ABE زمانی که سطح اهمیت ویژگی هایکسان نیست و یا تعیین رابطه میان ویژگی ها دشوار است قادر به تولید یک برآورد دقیق نیست. در این مواقع وزن دهی صحیح ویژگی ها می تواند یک راه حل برای بهبود عملکردABE باشد. این مقاله یک مدل ترکیبی برمبنای ترکیبی از الگوریتم بهینه سازی بر مبنای آموزش و یادگیری(TLBO) و ABE برای افزایش دقت برآورد تلاش توسعه پیشنهاد می کند. در واقع این مدل روند وزن دهی ویژگی را طوری تنظیم کرده که عملکرد ABE بهبود یافته است. نتایج به دست آمده نشان می دهند که ترکیبی از TLBO و ABE توانسته نسبت به مدل های برآورد موجود عملکرد را به طور قابل توجهی بهبود دهدواژگان کلیدیروش برآورد برمبنای مقایسه، الگوریتم بهینه سازی مبتنی برآموزش و یادگیری، وزنهای بهینه