基于遗传算法和案例推理的软件费用估算方法研究

基于遗传算法和案例推理的软件费用估算方法 本文提出了一种基于遗传算法和案例推理的软件费用估算方法，以提高类比法的估算精度，减少人工检索案例的工作量和难度。该方法通过构造案例的相似性度量函数，设计了用于案例推理问题的遗传算法，利用该算法在历史数据库中搜索与目标案例最相似的项目，并对软件项目的特征权重进行优化。 软件费用估算是软件开发中一个重要的步骤，它直接影响到投资者的决策和软件项目的开发。软件费用估算容易受到人员、技术、环境、策略等因素的影响，这些因素很多是不确定或不断变化的，尤其是在软件开发早期阶段，很难构建一个准确的软件成本估算模型。 目前，软件估算的方法主要分为两类：基于模型的估算方法和非模型的估算法。基于模型的估算方法有COCOMOII、SLIM、SEER-SEM、IFPUGFPA等，这些方法可以不利用历史数据进行估算，但是在软件早期阶段，由于需求的不确定性、模型不易理解和难以本地化等缺点，应用受到很大限制。 非模型方法主要有专家估算、类比估算、回归分析法等。专家估算是根据专家以往参加的项目情况进行类比得到的，其估算结果严重依赖于专家的经验；类比估算是基于历史项目经验来确定目标项目的预测值，它能够在不具备领域知识的前提下进行估算。类比估算研究方面，Wolverton最早将类比和相似度的概念引入到软件费用估算，后续研究者们将类比方法应用于软件工作量估算，并验证了类比法的估算精度高于功能点和COCOMO模型。 为了提高类比估算的精度，文献[4]提出了一种基于相似度距离的软件工作量类比估算方法；文献[5]将信息熵理论用于特征提取和软件费用类比估算；文献[6]利用重采样技术来减小软件费用类比估算的预测误差。这些方法在提高软件费用估算精度方面做出了较大贡献，但是由于类比估算需要大容量存储并具有很大的运算代价，特别是其在相似性度量中采用了最近邻算法。 本文提出的方法通过结合遗传算法和案例推理，能够更好地解决类比估算的这些问题。遗传算法可以搜索与目标案例最相似的项目，并对软件项目的特征权重进行优化，从而提高估算精度。同时，案例推理过程可以减少人工检索案例的工作量和难度，提高估算效率。 实验结果表明，该方法可以在软件生命周期的早期显著提高软件费用的估算精度，与类比估算和线性回归方法相比，具有更小的平均误差率，其估算性能符合相关行业软件的估算需求。