یک مدل برآوردگر تلاش انعطاف پذیر بر اساس الگوریتم aso

مدیریت موفق پروژه توسعه نرم افزار، نیازمند تخمین دقیق هزینه ها است. تخمین دقیق هزینه ها باعث برنامه ریزی بهتر، با حداقل هزینه خواهد شد. اما تخمین هزینه های پروژه نرم افزار، بدلیل ماهیت ناملموس نرم افزار، همواره با چالش های فراوانی روبرو بوده است. از این رو پژوهش های فراوانی در جهت توسعه ابزار های دقیق برای تخمین تلاش مورد نیاز برای توسعه نرم افزار انجام شده است. بر اساس ادبیات تحقیق، استفاده از شیوه های شناسایی نوع ارتباط میان ویژگی های پروژه نرم افزار و ویژگی های موثر بر تلاش مورد نیاز برای توسعه نرم افزار، تاثیر بسازایی بر افزایش دقت تخمین مقدار این تلاش دارد. ایده این مقاله ارائه یک مدل جدید متشکل از زیرمدل هایی برای تحلیل ویژگی های پروژه و استفاده از یک الگوریتم هیوریستیک جدید و دقیق به نام الگوریتم بهینه سازی جستجوی اتم(aso) برای پیکربندی ابزارها و روش های مدل سازی داده بوده است. سازماندهی زیر مدل ها به نحوی انجام شده است که موجب افزایش کارایی یکدیگر و در نهایت افزایش دقت تخمین نهایی شده اند. برای ارزیابی دقت مدل پیشنهادی، از3مجموعه داده از پروژه های واقعی استفاده شده و نتایج بدست آمده با نتایج روشهای مختلف بر اساس معیار های mmre، mdmre و pred مقایسه شده است. در انتها برای اثبات برتری مدل پیشنهادی نسبت به سایر مدل ها و روش ها از تحلیل آماری wilcoxon استفاده شده است. نتایج بدست آمده، نشان دهنده دقت بالای مدل پیشنهادی است.

a flexible effort estimator model based on aso algorithm

accurate estimation of required effort for software development plays an important role in the success of the software project. this is always a challenging issue due to the intangible nature of the software project. therefore, a large category of researches have been performed to develop accurate tools to estimate the required efforts for software development. according to the presented papers in related works, the adoption of methods to identify the types of relationship between software project features and features affecting the required effort for software development have a significant impact on effort estimation accuracy increment. in addition, the effectiveness of various features on the software development effort estimation is different. so, the feature effectiveness determination is advantageous in increasing the effort estimation accuracy. this paper presents a new model consisting of sub‌models for project features analyzing and it uses a new and accurate heuristic algorithm called atom search optimization (aso) algorithm to configure tools and data modeling methods. the presented model in this article is designed in multiple layers and the sub‌models are organized in separate layers. the organizations of sub‌models are in such a way to increase performance of other layers and ultimately increase the final estimate accuracy. in accuracy evaluation of the proposed model, 3 data sets from real projects are used and the comparisons of the results with different methods are presented. based on the results, the proposed model leads to significant improvement of final effort estimation accuracy.