Использование нейросетевой аппроксимации при оценке трудоемкости разработки программного обеспечения
Ключевые слова:
оценка трудоемкости разработки ПО, модель COCOMO, нейронная сетьАннотация
В статье рассматриваются основные модели оценки трудоемкости разработки ПО. Подробно рассмотрена одна из самых распространенных методик оценки — модель COCOMO. Предложен подход для повышения уровня точности оценки по модели COCOMO на основе нейросетевой аппроксимации. Обосновывается выбор нейросети с обратным распространением ошибки в качестве аппроксиматора. Приводятся численные результаты обучения нейросети, использующей параметры модели COCOMO в качестве входных параметров.Литература
1. Jørgensen M. A Review of Studies on Expert Estimation of Software Development Effort // Journal of Systems and Software. 2004. vol. 70. Issue 1-2. pp. 37‒60.
2. Jørgensen M. The Use of Precision of Software Development Effort Estimates to Communicate Uncertainty // Software Quality Days. The Future of Systems and Software Development. Springer. 2016. pp. 156‒168.
3. Гольфанд И.Я., Хлебутин П.С. Оценка трудозатрат разработки программной компоненты // Труды ИСА РАН. 2005. Т. 15. С. 125‒135.
4. Фатрелл Р.Т., Шафер Д.Ф., Шафер Л.И. Управление программными проектами. Достижение оптимального качества при минимуме затрат: пер. с англ. // М., СПб., Киев: Вильямс. 2004. 1136 с.
5. Макконелл С. Сколько стоит программный проект // М.: Русская редакция; СПб.: Питер. 2007. 304 с.
6. Архипенков С.Я. Лекции по управлению программными проектами // М. 2009. 127 с.
7. Соммервилл. И. Инженерия программного обеспечения: пер. с англ. // М.: Вильямс. 2002. 624 с.
8. Тележкин А.М. Применение алгоритмических сетей для оценки ресурсов в программных проектах. Дисс. канд. техн. наук // СПб. 2015.
9. Кульдин С.П. Генетический подход к проблеме оценки сроков и трудоемкости разработки программного обеспечения с заданными требованиями к качеству // Прикладная информатика. 2010. №5 (29). C. 30‒42.
10. Boehm B. Software Engineering Economic // Prentice Hall. 1981. 768 с.
11. Boehm B.Software cost estimation with COCOMO II // Englewood Cliffs, NJ: Prentice Hall. 2000. 540 с.
12. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика // М.: Горячая линия-Телеком. 2002. 2-е изд. 382 с.
13. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6 // М.: Диалог-МИФИ. 2002. 496 с.
14. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики. 1998. Вып. 1. №1. С. 12‒24.
15. Hornik K. Approximation capabilities of multilayer feedforward networks // Neural Networks. 1991. vol. 4. pp. 251‒257.
16. Филатова Т.В. Применение нейронных сетей для аппроксимации данных // Вест. Том. гос. ун-та. 2004. № 284. С. 121‒125.
17. Павлова А.И., Лончакова О.Ю. Сравнительный анализ применения нейронных сетей для аппроксимации функцией // ScienceTime. 2015. №5 (17). С 118‒121.
18. Хомоненко А.Д., Яковлев Е.Л. Нейросетевая аппроксимация характеристик многоканальных немарковских систем массового обслуживания // Труды СПИИРАН. 2015. Вып. 4(41). С. 81‒91.
19. Рогальчук В.В., Хомоненко А.Д. Метод обратной трассировки и оценивание его влияния на стоимость разработки программного обеспечения // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2008. №4 (62). С. 146‒151.
2. Jørgensen M. The Use of Precision of Software Development Effort Estimates to Communicate Uncertainty // Software Quality Days. The Future of Systems and Software Development. Springer. 2016. pp. 156‒168.
3. Гольфанд И.Я., Хлебутин П.С. Оценка трудозатрат разработки программной компоненты // Труды ИСА РАН. 2005. Т. 15. С. 125‒135.
4. Фатрелл Р.Т., Шафер Д.Ф., Шафер Л.И. Управление программными проектами. Достижение оптимального качества при минимуме затрат: пер. с англ. // М., СПб., Киев: Вильямс. 2004. 1136 с.
5. Макконелл С. Сколько стоит программный проект // М.: Русская редакция; СПб.: Питер. 2007. 304 с.
6. Архипенков С.Я. Лекции по управлению программными проектами // М. 2009. 127 с.
7. Соммервилл. И. Инженерия программного обеспечения: пер. с англ. // М.: Вильямс. 2002. 624 с.
8. Тележкин А.М. Применение алгоритмических сетей для оценки ресурсов в программных проектах. Дисс. канд. техн. наук // СПб. 2015.
9. Кульдин С.П. Генетический подход к проблеме оценки сроков и трудоемкости разработки программного обеспечения с заданными требованиями к качеству // Прикладная информатика. 2010. №5 (29). C. 30‒42.
10. Boehm B. Software Engineering Economic // Prentice Hall. 1981. 768 с.
11. Boehm B.Software cost estimation with COCOMO II // Englewood Cliffs, NJ: Prentice Hall. 2000. 540 с.
12. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика // М.: Горячая линия-Телеком. 2002. 2-е изд. 382 с.
13. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6 // М.: Диалог-МИФИ. 2002. 496 с.
14. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики. 1998. Вып. 1. №1. С. 12‒24.
15. Hornik K. Approximation capabilities of multilayer feedforward networks // Neural Networks. 1991. vol. 4. pp. 251‒257.
16. Филатова Т.В. Применение нейронных сетей для аппроксимации данных // Вест. Том. гос. ун-та. 2004. № 284. С. 121‒125.
17. Павлова А.И., Лончакова О.Ю. Сравнительный анализ применения нейронных сетей для аппроксимации функцией // ScienceTime. 2015. №5 (17). С 118‒121.
18. Хомоненко А.Д., Яковлев Е.Л. Нейросетевая аппроксимация характеристик многоканальных немарковских систем массового обслуживания // Труды СПИИРАН. 2015. Вып. 4(41). С. 81‒91.
19. Рогальчук В.В., Хомоненко А.Д. Метод обратной трассировки и оценивание его влияния на стоимость разработки программного обеспечения // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2008. №4 (62). С. 146‒151.
Software Development Effort Estimation Using a Neuro Network Approximation Approach
Abstract
The article describes the main effort estimation models for software development. It is spoken in detail about the most widely used software effort estimation model, the Constructive Cost Model (COCOMO). An approach to improve the accuracy of estimates of COCOMO model based on neural network approximation is proposed. It deals with the choice of a neural network with back-propagation errors as an approximator. Data are given about numerical results of neural network learning using COCOMO model parameters as input.
Опубликован
2016-02-15
Как цитировать
Титов, А. И. (2016). Использование нейросетевой аппроксимации при оценке трудоемкости разработки программного обеспечения. Труды СПИИРАН, 1(44), 20-30. https://doi.org/10.15622/sp.44.2
Раздел
Алгоритмы и программные средства
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
