پیش بینی ریسک پروژه های نرم افزار توسط الگوریتم بهینه سازی ملخ و یادگیری ماشین

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

توسعه نرم افزار را می توان فعالیتی دانست که از انواع پیشرفت های فناورانه استفاده می کند و نیاز به دانش بالایی دارد. به همین دلیل، هر پروژه توسعه نرم افزاری حاوی عناصر عدم قطعیت است که به عنوان ریسک پروژه شناخته می شود. موفقیت یک پروژه توسعه نرم افزار به شدت به میزان ریسک مربوط به هر فعالیت پروژه بستگی دارد. لذا، به عنوان یک مدیر پروژه، آگاهی از خطرات کافی نیست. جهت دستیابی به یک نتیجه موفق، یک مدیر پروژه باید بتواند تمام ریسک های اصلی را شناسایی، سپس ارزیابی، اولویت بندی و درنهایت مدیریت کند. مدیریت ریسک بر شناسایی ریسک ها و درمان مناسب با آن ها تمرکز دارد. پروژه های نرم افزاری دارای ریسک های فردی یا کلی هستند. برخی از این ریسک ها به یک فعالیت خاص و برخی دیگر به پروژه مرتبط است. معمولا ریسک ها ابتدا شناسایی شده و با فعالیت های پروژه مرتبط می شوند. تعیین چگونگی رفتار افراد برای دستیابی به اهداف فعالیت استراتژیک برای شناسایی خطرات است. استفاده از الگوریتم ها و فن های مختلف برای شناسایی ریسک های نرم افزاری همواره موردتوجه متخصصین بوده است. هدف این مطالعه، پیش بینی ریسک های پروژه های نرم افزاری به کمک الگوریتم بهینه سازی ملخ می باشد. در این روش انتخاب ویژگی و کاهش آن توسط الگوریتم بهینه سازی ملخ انجام می شود و برای طبقه بندی ریسک و ویژگی ها از روش های طبقه بندی ماشین بردار استفاده می شود.

زبان:
فارسی
صفحات:
19 تا 27
لینک کوتاه:
magiran.com/p2504108 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!