ارائه راهکاری نوین جهت بهبود تخمین هزینه توسعه نرم افزار مبتنی بر تشابه

یکی از مهمترین و بحرانی ترین عوامل در توسعه پروژه ها ی نرم افزار ی تخمین مناسب هزینه ها است. اهمیت تخمین چنان است که یکی از مهمترین عوامل شکست یا توفیق پروژه ها می باشد. دیدگاه ها و روش ها ی متعدد ی در خصوص نحوه انجام تخمین ارائه شده است که یکی از مهمترین آنها دیدگاه مبتنی بر تشابه می باشد. بهره گیری از ویژگی ها ی مناسب و وزن دهی ویژگی ها نمونه ای از تلاش برای بهبود دقت است. این مطالعه در جهت بهبود تخمین هزینه توسعه نرم افزار، میزان تاثیر الگوریتم lem بر بهینه ساز ی وزن ویژگی ها را مورد بررسی قرار داده است و اقدام به ارائه راهکار ی نوی ن در این خصوص نموده است. در این تحقیق میزان اثربخشی الگوریتم بر روی دو مجموعه داده desharnais و maxwell بررسی شده است و از معیارها ی mmre( 0/25 )pred و mdmre برای ارزیابی و مقایسه روش پیشنهادی با دیگر الگوریتم های تکاملی از جمله ژنتیک، تکامل تفاضلی و ازدحام ذرات استفاده شده است. نتایج نشان می دهد این الگوریتم توانسته است بهبود قابل توجهی را به دست آورد.

improving analogy-based software development cost estimation using learnable evolution model

one of the most important and critical factors in software projects is the proper cost estimation. due to the high significance and impact of the proper cost estimation, several approaches and methods have been proposed regarding how to perform cost estimation, in which the analogy-based approach is one of the foremost popular ones. to improve software development cost estimation, the current study has investigated the effect of the lem algorithm on optimization of features weighting and proposed a new method as well. in this research, the effectiveness of this algorithm was inspected on two datasets, desharnais and maxwell. then, mmre, pred (0.25), and mdmre criteria have been used to evaluate and compare the proposed method against other evolutionary algorithms. employing the proposed method showed considerable improvement in estimating software cost estimation.