جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه software effort estimation در نشریات گروه علوم انسانی
software effort estimation
در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه software effort estimation در مقالات مجلات علمی
-
دقت در تخمین تلاش لازم برای تولید نرم افزار، موجب شده است که تخمین تلاش هنوز به عنوان موضوع چالش انگیزی مطرح باشد. علاوه بر تخمین تلاش کلی، تعیین تلاش صرف شده در هر مرحله از تولید نیز به دلیل برنامه ریزی منابع اهمیت دارد؛ زیرا تخصیص نادرست منابع می تواند به شکست پروژه منجر شود. در این مقاله، یک شبکه بیزی برای تخمین تلاش برپایه مولفه های موثر و فرایند تولید ارائه شده است. در این مدل بین مراحل تولید، حلقه های تکرار در نظر گرفته شده که میزان تکرار آنها برای پروژه های مختلف، متفاوت خواهد بود و موجب می شود که درصد تلاش صرف شده در هر مرحله تولید برای هر پروژه به صورت منحصربه فرد تعیین شود. معیار خطای حاصل از تخمین تلاش، بهینه سازی شده و ضریب های بهینه برای اصلاح مدل به دست می آیند. نتایج مقایسه مدل پیشنهادی با مدل های دیگر تخمین نشان می دهد مدل پیشنهاد شده، علاوه بر توانایی در تخمین دقیق تلاش کلی (با خطا 114/0)، قابلیت بالایی نیز برای تعیین تلاش هر مرحله تولید دارد.کلید واژگان: برنامه ریزی منابع سازمان، بهینه سازی، تخمین تلاش نرم افزار، روش های یادگیری ماشین، شبکه بیزیAccuracy in estimating the needed effort for software development caused software effort estimation to be a challenging issue. Beside estimation of total effort, determining the effort elapsed in each software development step is very important because any mistakes in enterprise resource planning can lead to project failure. In this paper, a Bayesian belief network was proposed based on effective components and software development process. In this model, the feedback loops are considered between development steps provided that the return rates are different for each project. Different return rates help us determine the percentages of the elapsed effort in each software development step, distinctively. Moreover, the error measurement resulted from optimized effort estimation and the optimal coefficients to modify the model are sought. The results of the comparison between the proposed model and other models showed that the model has the capability to highly accurately estimate the total effort (with the marginal error of about 0.114) and to estimate the effort elapsed in each software development step.Keywords: Bayesian belief network, Enterprise resource planning, Machine learning methods, Software effort estimation, Optimization
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.