انسیه دهقانی - دانشجوی کارشناسی ارشد فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان
مهدیه قزوینی - استادیار گروه مهندسی کامپیوتر دانشگاه شهید باهنر کرمان
حجت بابایی - استادیار گروه ریاضی دانشگاه آزاد اسلامی واحد کرمان

تقاضا برای برنامه های کاربردی نرم افزاری جدید رو به افزایش است ولی تعداد متخصصان باتجربه موردنیاز برای این کار در حال افزایشنیست؛ استفاده مجدد به عنوان یک ابزار قدرتمند برای غلبه بر بحران نرمافزار است. استفاده مجدد از نرمافزار عبارت است از فرآیندپیاده سازی یا بهروزرسانی یک نرم افزار به وسیله داشته های نرم افزاری موجود. به همین جهت باید روشی وجود داشته باشند تا بتوانیم بهکمک آن یک ماژول قابل استفاده مجدد ایجاد نماییم و یا آنها را در یک برنامه تشخیص دهیم . تاکنون روشهای شبکه عصبی– سیستمفازی– الگوریتم درخت تصمیم گیری و... به صورت جداگانه برای ارزیابی قابلیت استفاده مجدد نرمافزارها مورداستفاده قرار گرفته است وهر کدام دارای معایبی بوده اند؛ به عنوان مثال در سیستم فازی باید از قوانین عضویت برای دسته بندی استفاده شود و استنباط این قوانینعضویت در یک مجموعه داده پیچیده، دشوار است. در شبکه عصبی دقت نتایج بستگی زیادی به اندازه مجموعه آموزش دارد و مشکلاستفاده از درخت های تصمیم آن است که به صورت نمایی با بزرگ شدن مسئله، بزرگ می شوند. لذا ما قصد داریم تا با استفاده از ترکیباین سه روش و استفاده از ابزار جدید، بتوانیم معایبی که در روشهای قبلی وجود داشت را برطرف نمائیم. چون استنباط قوانین و استخراجمجموعه اولیه این قوانین برای سیستم فازی کار دشواری است بنابراین پیشنهاد میشود الگوریتم درخت تصمیم گیری برای انتخاب مجموعهاولیه قوانین فازی مورداستفاده قرار گیرد. همچنین با کمک روش شبکه عصبی میتوانیم قوانین استخراج شده فوق را بهبود بخشیده و یااصلاح نمائیم که درنتیجه موجب ایجاد یک سیستم فازی کارآمد جهت ارزیابی قابلیت استفاده مجدد از مولفه های نرم افزاری می شود.

مولفه های نرم افزاری، استفاده مجدد از مولفه های نرم افزاری، الگوریتم درخت تصمیم گیری، شبکه عصبی، منطق فازی