بهبود تخمین تلاش توسعه نرم افزار با استفاده از ترکیب الگوریتم های جستجوی فاخته و بهینه سازی ازدحام ذرات

تخمین صحیح تلاش لازم برای توسعه نرم افزار، نقش مهمی در موفقیت این قبیل پروژه ها دارد. تاکنون پژوهشهای متعددی برای تخمین تلاش انجام شده است، لیکن بهبود دقت این محاسبه هنوز از چالشهای مطرح است. در این مقاله، راهکاری مبتنی بر الگوریتمهای فراابتکاری برای حل این چالش ارایه شده است. روش کار به این صورت است که ابتدا از الگوریتم جستجوی فاخته به منظور انتخاب صحیح ویژگیهای نرم افزاری مطرح در تخمین تلاش استفاده می شود. سپس جواب های به دست آمده با استفاده از الگوریتم بهینه سازی ازدحام ذرات بیشتر مورد واکاوی قرار می گیرد. ایده این کار آن است که اجرای متوالی الگوریتم های مذکور باعث جستجوی دقیق تر فضای مساله شده و امکان دسترسی به بهینه سراسری، یعنی ویژگیهای بهینه را افزایش دهد. در نهایت، ویژگیهای انتخاب شده به عنوان پارامترهای ورودی مدل پسا معماری کوکومو2 مورد استفاده قرار گرفته و تلاش لازم، محاسبه می شود. راهکار پیشنهادی بر روی دو مجموعه داده کوکومو81 و کوکوموناسا مورد بررسی قرار گرفته و به منظور ارزیابی آن از دو معیار متوسط شدت خطای نسبی و درصد پیش بینی استفاده شده است. نتایج به دست آمده از آزمایش های این راهکار و مقایسه آن با پژوهشهای پیشین نشان می دهد که در کوکومو81، مقدار متوسط شدت خطای نسبی به اندازه 177/0 کاهش یافته و درصد پیش بینی به ترتیب در سه حالت 25، 30 و 40 درصد، به اندازه 87/7%، 04/8% و 66/8% افزایش یافته است. همچنین در کوکوموناسا، مقدار متوسط شدت خطای نسبی به اندازه 151/0 کاهش یافته و درصد پیش بینی به ترتیب در سه حالت 25، 30 و 40 درصد، به اندازه 55/7%، 98/7% و 11/8% افزایش یافته است.