1
گروه علوم کامپیوتر، دانشگاه شهرکرد، شهرکرد، ایران
2
هسته پژوهشی علوم داده، گروه علوم کامپیوتر، دانشگاه شهرکرد، شهرکرد، ایران
چکیده
یکی از مهمترین و بحرانیترین عوامل در توسعه پروژههای نرمافزاری تخمین مناسب هزینهها است. این فعالیت که پیش از آغاز پروژه و در مراحل اولیه باید انجام گیرد به دلیل درگیر بودن عوامل متعدد انسانی، فنی و سازمانی همواره با چالشها و مشکلات متعددی روبرو است. دیدگاهها و روشهای متعددی در خصوص نحوه انجام تخمین ارائه شده است که یکی از مهمترین آنها دیدگاه مبتنی بر تشابه میباشد. در این دیدگاه از روشهای متفاوتی از جمله بهرهگیری از ویژگیهای مناسب و وزندهی ویژگیها در جهت افزایش دقت تخمین استفاده میگردد. این تحقیق برای بهبود تخمین هزینه توسعه نرمافزار، میزان تاثیر الگوریتم تکاملی یادگیر بر بهینهسازی وزن ویژگیها را مورد بررسی قرار داده است و اقدام به ارائه راهکاری نوین در این خصوص نموده است. در این تحقیق میزان اثربخشی الگوریتم بر روی دو مجموعه داده Desharnais و Maxwell بررسی شده است و از معیارهایMMRE ، (0.25)PRED و MdMRE برای ارزیابی و مقایسه روش پیشنهادی با دیگر الگوریتمهای تکاملی استفاده شده است. نتایج نشان میدهد این الگوریتم توانسته است بهبود قابل توجهی را بهدست آورد.
جاودانی گندمانی, تقی, & دشتی, مائده. (1401). بهبود تخمین هزینه توسعه نرمافزار مبتنی بر تشابه با استفاده از مدل تکاملی یادگیر. علوم رایانشی, 7(2), 65-75.
MLA
تقی جاودانی گندمانی; مائده دشتی. "بهبود تخمین هزینه توسعه نرمافزار مبتنی بر تشابه با استفاده از مدل تکاملی یادگیر". علوم رایانشی, 7, 2, 1401, 65-75.
HARVARD
جاودانی گندمانی, تقی, دشتی, مائده. (1401). 'بهبود تخمین هزینه توسعه نرمافزار مبتنی بر تشابه با استفاده از مدل تکاملی یادگیر', علوم رایانشی, 7(2), pp. 65-75.
VANCOUVER
جاودانی گندمانی, تقی, دشتی, مائده. بهبود تخمین هزینه توسعه نرمافزار مبتنی بر تشابه با استفاده از مدل تکاملی یادگیر. علوم رایانشی, 1401; 7(2): 65-75.