ارائه يك مدل تركيبي جهت افزايش دقت روش استدلال مبتني بر رويداد در برآورد تلاش توسعه نرم افزار

A Novel Hybrid Model to Increase the Accuracy of Case Based Reasoning Method in Software Development Effort Estimation

امروزه تخمين تلاش توسعه نرم افزار در مديريت پروژه ­هاي نرم ­افزاري امري حياتي است. برآورد دقيق هزينه نه تنها به مشتريان و سرمايه گذاران كمك مي­كند، بلكه در تصميم گيري منطقي حين انجام پروژه و مديريت پروژه نرم افزاري نيز تاثير گذار خواهد بود. تا كنون مدل هاي تخمين بي شماري ابداع و مورد استفاده قرار گرفته است. بسياري از رويكردهاي تخمين تلاش فعلي با جمع آوري داده­ها از پروژه­ هاي قبلي انجام مي­شود. روش استدلال مبتني بر رويداد يكي از تكنيك­ هاي موفق در زمينه تخمين تلاش پروژه ­هاي نرم­ افزاري است. اين روش به تنهايي از دقت پاييني برخوردار است كه اين نقص را مي­توان با ايجاد مدل­هاي تركيبي بر طرف كرد. در اين مقاله سعي شده است كه با تركيب مدل استنتاج مبتني بر رويداد و دو الگوريتم فرا اكتشافي مستقل از جمله الگوريتم ازدحام ذرات و الگوريتم كرم شب تاب مدل تركيبي جديدي پيشنهاد و عملكرد مدل پيشنهادي را مورد ارزيابي قرار دهيم. با توجه به نتايج بدست آمده مدل پيشنهادي بر روي سه مجموعه داده كوكومو، آلبرشت و ماكسول، مي توان گفت كه الگوريتم كرم شب تاب عملكرد قابل قبولي داشته است.

Nowadays the effort estimation of software development is crucial in Software projects management. Not only have the accurate estimate of cost help customers and investors, but also it will be effective in rational decision-making in the implementation and management of software projects. Various estimation models have been invented and used so far. Many of the current effort estimation approaches are adopted by collecting data from previous projects. Case-based reasoning (CBR) is one of the successful techniques of effort estimation in software projects. This method alone is not very accurate, a defect which can be corrected by creating hybrid models. In this paper, CBR was combined with two separate metaheuristic algorithms including particle swarm optimization (PSO) and the firefly algorithm to propose a new hybrid model. Then the performance of the proposed model was evaluated. According to the results of the proposed model on Cocomo, Albrecht and Maxwell datasets, the firefly algorithm showed an acceptable performance.