ترکیب الگوریتم ژنتیک با الگوریتم جستجوی ممنوعه برای تخمین هزینه پروژه هاینرم افزاری
- سال انتشار: 1401
- محل انتشار: سیزدهمین کنفرانس ملی پژوهش های کاربردی در علوم برق و کامپیوتر و مهندسی پزشکی
- کد COI اختصاصی: ECMECONF13_020
- زبان مقاله: فارسی
- تعداد مشاهده: 374
نویسندگان
گروه مهندسی کامپیوتر، واحد عجبشیر، دانشگاه آزاد اسلامی، عجبشیر، ایران
چکیده
تخمین هزینه پروژه های نرم افزاری شامل منابعی است که فقط با تجربه اجرایی تعداد و هزینه آنها قابل دستیابی است. هدفنهایی از تخمین، نزدیکی هر چه بیشتر با واقعیت های پروژه از لحاظ زمان و هزینه می باشد. در شروع کار لازم است زمان موردنیاز برای هر یک از مراحل پروژه پیش بینی شده و در نهایت زمان کلی پروژه تعیین شود. تخمین به روش مدل های الگوریتمیروشی رایج در زمینه برآورد هزینه پروژه های نرم افزاری است. اما مدل های الگوریتمی همانند کوکومو در تخمین هزینه پروژهخیلی دقیق نیستند زیرا به صورت خطی هستند و مقدار مناسب برای فاکتورهای تلاش درنظر گرفته نمی شود. در مقابلمدل های هوش مصنوعی در سه دهه اخیر پیشرفت چشمگیری در مدلسازی تخمین هزینه پروژه های نرم افزار داشته اند. اینمدل ها برمنبای تکرار و آموزش مقدار مناسب را برای فاکتورهای تلاش پیدا می کنند و تخمین دقیق تری در مقایسه با مدل هایالگوریتمی دارند. در همین راستا در این مقاله از بهبود الگوریتم ژنتیک با استفاده از جستجوی ممنوعه استفاده شده است. ارزیابی مدل پیشنهادی برروی مجموعه داده های KEMERER ،NASA۹۳ ،NASA۶۳ ،NASA۶۰ و MAXWELL انجام شده است. نتایج نشان می دهد که مدل پیشنهادی در مقایسه با الگوریتم ژنتیک و جستجوی ممنوعه میانگین مقدار خطای نسبیکمتری دارد. الگوریتم جستجوی ممنوعه در مقایسه با الگوریتم ژنتیک مقدار میانگین مقدار خطای نسبی کمتری کسب کردهاستکلیدواژه ها
تخمین هزینه نرم افزار، مدل کوکومو، الگوریتم ژنتیک، جستجوی ممنوعهمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.