Evaluate Software Effort Estimation Methods to Espouse Novel Standards for Software Estimation.pdf

1、軟件評(píng)估是一項(xiàng)容易受各種因素影響的工作（人為因素、時(shí)間因素等等），準(zhǔn)確的評(píng)估對(duì)于軟件開(kāi)發(fā)各個(gè)階段都有著重要的影響，例如全局商業(yè)計(jì)劃設(shè)計(jì)，任務(wù)決策，開(kāi)發(fā)路線圖定義，任務(wù)優(yōu)先級(jí)設(shè)定，資源分配以及開(kāi)發(fā)過(guò)程監(jiān)控等。同時(shí)，過(guò)高或者過(guò)低的估計(jì)可能會(huì)導(dǎo)致很多嚴(yán)重后果，例如預(yù)算超支，無(wú)法按時(shí)完成任務(wù)，質(zhì)量低劣，軟件功能不全以及遺漏部分非功能性需求等，從而危害整個(gè)軟件項(xiàng)目。不斷增長(zhǎng)的評(píng)估需求是產(chǎn)生新的評(píng)估手段，提高形式化方法的準(zhǔn)確度和采用高級(jí)的軟計(jì)算技術(shù)

2、以避免不準(zhǔn)確評(píng)估的基礎(chǔ)。
　　本研究的目的是采用基于神經(jīng)網(wǎng)絡(luò)的技術(shù)全面討論和比較現(xiàn)有的軟件評(píng)估方法。我們首先11個(gè)基于算法的評(píng)估模型，2個(gè)基于專業(yè)知識(shí)的理論方法，以及3個(gè)基于“功能點(diǎn)”的成本估計(jì)方法。通過(guò)這些討論，我們?cè)噲D理解這些以上方法的基本思想，所采用的方法，以及適用的場(chǎng)景。然而，基于算法的技術(shù)在處理復(fù)雜的非線性變量的時(shí)候通常被認(rèn)為是不可靠的。因此，我們需要借助其他研究成果，例如采用非線性技術(shù)來(lái)評(píng)估軟件。第二，我們研究了在軟件

3、評(píng)估過(guò)程中使用“神經(jīng)網(wǎng)絡(luò)反向傳播算法”（以及某些情況下和其它計(jì)算智能算法相結(jié)合的技術(shù)）的效果。為此，我們討論了相關(guān)工作的一些重要結(jié)論，并指出了新的基于神經(jīng)網(wǎng)絡(luò)的技術(shù)與傳統(tǒng)方法直接的聯(lián)系。最后，我們采用了上面所提到的所有的方法來(lái)得到軟件評(píng)估結(jié)果，并利用統(tǒng)計(jì)方法來(lái)驗(yàn)證結(jié)果的正確性。這些統(tǒng)計(jì)方法包括：相關(guān)誤差級(jí)數(shù)（MRE），平均相關(guān)誤差級(jí)數(shù)（MMRE），Pred（0.25）和Pred（0.50）。我們使用了4種不同的數(shù)據(jù)集，他們都出自1970

4、至1985年期間本領(lǐng)域的研究成果。產(chǎn)生這些舊的數(shù)據(jù)集的項(xiàng)目在開(kāi)發(fā)環(huán)境和影響因素上與舊的評(píng)估方法的要求很一致。這種相似性有利于進(jìn)行合適的比較，也有利于避免出現(xiàn)偏差。
　　本文試圖通過(guò)比較從各個(gè)數(shù)據(jù)集中得到的結(jié)果建立一個(gè)評(píng)估標(biāo)準(zhǔn)來(lái)區(qū)別平均的，好的，和更好的評(píng)估技術(shù)。本文還試圖標(biāo)識(shí)出對(duì)軟件評(píng)估具有很大影響的因素，例如軟件大小，開(kāi)發(fā)團(tuán)隊(duì)大小，程序設(shè)計(jì)語(yǔ)言等。最后，我們通過(guò)總結(jié)所發(fā)現(xiàn)的結(jié)果，提出了一些在軟件評(píng)估標(biāo)準(zhǔn)的建立中應(yīng)該考慮的建議。例