مدل بهینه شده شبکه عصبی برای تخمین هزینه پروژه های نرم افزاری با استفاده از الگوریتم جستجوی ممنوعه

امروزه نرم افزار به یکی از پرهزینه ترین بخش های هر سیستم تبدیل شده است. بالطبع در چنین شرایطی بهینه سازی هزینه پروژه های نرم افزاری ازاهمیت ویژه ای برخوردار می باشد. تا به امروز روشهای متنوعی برای تخمین هزینه پروژه های نرم افزاری مطرح گردیده است. فارغ از این که چه روشی در تخمین زمان و هزینه یک پروژه نرم افزاری استفاده می شود، مهم آن است که بدون وجود اطلاعات کافی در زمینه حوزه سیستم، توانایی های آن وشرایط تیم تولید نرم افزار و پیچیدگی های تکنیکی آن تخمین دقیق پروژه های نرم افزاری دور از ذهن به نظر می رسد. از اولین و موفق ترین روش های تخمین هزینه پروژه های نرم افزاری مدل کوکومو بوده است هرچند بعداز آن روشهای متنوعی در این زمینه ارائه گردید ولی این مدل همواره مورد توجه بوده و بعنوان معیاری جهت مقایسه با روشهای دیگر در نظرگرفته شده است. ما در این مقاله، تخمین هزینه پروژه های نرم افزاری رابا مدل شبکه عصبی مصنوعی بهینه سازی شده با الگوریتم جستجوی ممنوعه انجام داده ایم. در واقع اساس این مقاله از مدل شبکه های عصبی مصنوعی پرسپترون سه لایه با رویکرد مبتنی بر بهینه سازی وزای شبکه به کمک الگوریتم جستجوی ممنوعه می باشد. نتایج به دست آمده نشان دهنده بهبود روش پیشنهادی در مقایسه با مدل شبکه عصبی ساده و مدل کوکومو می باشد که بار دیگر کارایی مدل های ترکیبی را در زمینه تخمین هزینه پروژه های نرم افزاری به اثبات می رساند.

کلیدواژه ها:

تخمین هزینه پروژه های نرم افزاری ، مدل شبکه عصبی مصنوعی ، الگوریتم جستجوی ممنوعه