模糊神經(jīng)網(wǎng)絡(luò)在軟件成本估算中的應(yīng)用研究.pdf

1、在軟件工程中，軟件成本估算與需求分析并列，是軟件開(kāi)發(fā)成功最重要的兩個(gè)因素。軟件成本估算是將用戶需求和軟件項(xiàng)目開(kāi)發(fā)聯(lián)系起來(lái)的重要橋梁。軟件成本估算是軟件成本管理和制定項(xiàng)目計(jì)劃的基礎(chǔ)。軟件成本估算的重要性不容忽視。準(zhǔn)確的軟件成本估算可以為軟件項(xiàng)目的開(kāi)展提供正確指導(dǎo)，是軟件項(xiàng)目成功的強(qiáng)有力保障。而錯(cuò)誤的軟件成本估算將給軟件項(xiàng)目增加風(fēng)險(xiǎn)，甚至最終導(dǎo)致項(xiàng)目的失敗。
　　 本文對(duì)專家判斷法、類比法等現(xiàn)有的估算方法，及SDC模型、COCOMO

2、模型等現(xiàn)有的估算模型做了深入研究，并分析了它們各自的優(yōu)缺點(diǎn)。軟件成本由軟件規(guī)模和影響軟件成本的一系列因素決定。由于軟件成本驅(qū)動(dòng)因子與軟件成本之間存在復(fù)雜的非線性關(guān)系，使得人為總結(jié)的估算公式其準(zhǔn)確度普遍不高。因此，本文嘗試使用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行軟件成本估算。模糊神經(jīng)網(wǎng)絡(luò)將神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合，兼具模糊理論規(guī)則控制的特性和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)非線性的能力，可以很好地?cái)M合非線性函數(shù)，適合于學(xué)習(xí)及估算，并且具有很強(qiáng)的容錯(cuò)能力，能夠包容噪聲數(shù)據(jù)。

3、>　　 本文在研究現(xiàn)有模糊神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，選擇神經(jīng)網(wǎng)絡(luò)中的徑向基神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合，設(shè)計(jì)了軟件成本估算的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型——DFNN模型。該模型對(duì)軟件成本驅(qū)動(dòng)因子的等級(jí)評(píng)定和項(xiàng)目規(guī)模進(jìn)行模糊處理，利用徑向基神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力從已有的項(xiàng)目數(shù)據(jù)中提取模糊規(guī)則，按照模糊規(guī)則得出軟件成本估算值。對(duì)于該模糊神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，本文采用遺傳算法和線性最小二乘法結(jié)合的混合訓(xùn)練方法。模糊層的隸屬度函數(shù)中心值和寬度采用遺傳算法進(jìn)行訓(xùn)練，網(wǎng)絡(luò)

4、的權(quán)值采用線性最小二乘法訓(xùn)練。
　　 本文先使用COCOMO采樣數(shù)據(jù)對(duì)DFNN模型進(jìn)行訓(xùn)練，訓(xùn)練之后的網(wǎng)絡(luò)具有COCOMO模型的功能。再使用COCOMO歷史數(shù)據(jù)庫(kù)中的項(xiàng)目數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練之后的網(wǎng)絡(luò)能更真實(shí)地反映成本驅(qū)動(dòng)因子和軟件成本之間的非線性關(guān)系。然后利用COCOMO歷史數(shù)據(jù)庫(kù)中的項(xiàng)目數(shù)據(jù)，將DFNN模型與COCOMO模型進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，DFNN模型較COCOMO模型在一定程度上提高了軟件成本估算的準(zhǔn)確度和穩(wěn)定性