ارائه روشی جهت تخمین هزینه نرم افزار با استفاده از کلاسترینگ مبتنی بر الگوریتم ژنتیک

این پژوهش با استفاده از برخی متدهای هوشمند از جمله ضریب همبستگی Pearson، تحلیل واریانس و خوشه بندی مبتنی بر الگوریتم ژنتیک روشی را برای تخمین هزینه پروژه های نرم افزاری ارائه می دهد. هر پروژه نرم افزاری در یک فضای چند بعدی قرار می گیرد که هر بعد از این فضا را یک فاکتور هزینه ساز معرفی شده توسط مدل COCOMO تشکیل می دهد. در این میان به دنبال پروژه هایی در فضای مساله هستیم که نزدیک ترین فاصله ی اقلیدسی به یکدیگر را دارا می باشند. به اینمنظور باید نقاطی را به عنوان مرکز کلاستر ها معین نمود و با استفاده از این نقاط شاخص، به خوشه بندی پروژه های نرمافزاری پرداخت. در نهایت با استفاده از میانگین گیری از خوشه های نزدیک به پروژه ی مورد مطالعه، تخمینی قابل قبول از Effort پروژه را به دست می آوریم. مزیت این روش نسبت به الگوهای تعریف شده ی تخمین هزینه نرم افزار مانند COCOMO در این است که تخمین هزینه در این روش با توجه به نوع پروژه هایی که یک شرکت خاص انجام می دهد به دست می آید در حالی که الگوهای دیگر، اغلب یک تعریف یکتا جهت تخمین هزینه برای همه ی شرکت ها ارائه می دهند.

کلیدواژه ها:

تخمین هزینه ، خوشه بندی ، الگوریتم ژنتیک Effort پروژه ، فاکتورهای هزینه ساز پروژه