沙特国王大学学报：优先级相似性和相互关系的需求挑选和排序

沙特国王大学学报一种新的处理优先级相似性和相互关系的Ankita Gupta，Chetna GuptaJaypee Institute of Information Technology，A-10 Sector 62，Noida，印度阿提奇莱因福奥文章历史记录：收到2019年2019年11月18日修订2019年12月5日接受在线提供2019年关键词：协作需求切片需求回溯直觉模糊加权页面排名算法需求依赖需求优先级A B S T R A C T需求工程的挑战性任务之一是在一组需求中选择哪些需求比其他需求更有利，应该被视为首先执行。多年的研究已经证明，捕获、分析和优先考虑需求是至关重要的，这在很大程度上依赖于对利益相关者的需求、关注点和标准的认可所提出的方法提供了互动的支持，引发利益相关者和开发商的初步排名决定，在合作的方式。采用直觉模糊方法（IFS）支持利益相关者视图，采用加权页面排序算法，通过分析利益相关者之间的关系、需求切片和回溯来支持开发者视图。最后，一个排名是在一个合作的方式来支持需求优先级。该方法的可行性说明通过实验证明的概念，通过比较所提出的方法与国家的最先进的层次分析法（AHP）和交互式遗传算法（IGA）的优先级技术的结果。实验结果的结论是，所提出的方法是能够产生准确的和可比的结果，通过处理依赖性的技术约束，合作和范围的权衡，包括初始多标准EQUIPMENT表示为优先级值，以支持可靠性和鲁棒性的错误。©2019作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍通常有大量的需求，而不是一个人在给定的涉众的时间和资源需求中可以实现的为了生产出高质量的软件，开发团队的主要关注点是从需求池中选择和排序最有利的需求，目的是在预算和资源限制范围内最大化利益相关者当需求的数量更多时，这个决策制定变得更加复杂和乏味研究表明，大多数软件项目都有更多的候选先决条件，这些先决条件可以在可用预算、时间限制、需求之间的内在矛盾、利益相关者的期望和技术限制内得到承认*通讯作者：Deptt.印度诺伊达Jaypee信息技术学院CSE/IT电子邮件地址：chetnagupta04@gmail.com（中国）Gupta）。沙特国王大学负责同行审查制作和主办：Elsevier（Thakurta，2017）。在这种情况下，软件工程师面临的一个关键挑战是确定满足涉众范围和目标的需求的“正确”选择（即在各种选项之间进行优先排序）。 从相关利益相关者的感知中识别重要和核心需求的过程影响需求优先级确定的主要因素包括需求之间的相互关系、无法处理复杂情况、最终排序不被接受或有偏见。对于有效的需求优先级排序，必须合并涉众和开发人员的不同方面，以更好地帮助决策过程。一个方面是一个任务的属性或特点，它的必要性可以用来确定需求的优先级。通常情况下，各个方面共同作用，交流和变化在一个单一的角度可能会对不同的方面产生影响。 多年的文献（Ruhe等人，2003; Perini等人，2013;Savolainen，2011; Achimugu等人，2014）建议大部分的优先级排序方法经历下面列出的一个或其他问题：不适合承认依赖的必要性，耗时，敏感- 一 个 单 独 的 错 误 可 能 会 影 响 整 个 优 先 级 排 序 ，不 能 解 决 逻 辑 不 一 致 ， 不 适 合 处 理 复 杂 情 况 ， 有 问 题 的 最 终排 序 和 有 偏 见 的 排 名 。https://doi.org/10.1016/j.jksuci.2019.12.0021319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comA. 古普塔角Gupta/ Journal of King Saud University2289由于解决需求间依赖性的技术约束的复杂性，以及通过包含利益相关者和开发者的初始多标准偏好来权衡协作的复杂性，本文提出了（a）一种新的需求切片和需求回溯的概念，使用加权页面排名方法来解决开发者的依赖性和初始偏好。（Li，2005），以获取利益相关者的初始偏好，以产生最终的排序和解决这个问题。考虑到利益相关者有不同的观点和需求，他们的偏好的诱导不能在数字或语言值上进行。使用直觉模糊值而不是数字的主要原因是IFS可以处理不确定性和模糊性，并且非常接近人们表达和使用他们的洞察力来对任何项目进行排名的方式。与语言值相比，IFS是语言值的扩展，其中IFS更详细地描述了语言变量。因此，在本研究中使用IFS是更合理和实用的利益相关者的偏好，利益攸关方的初步优先事项可以从一系列方面确定过去，研究人员已经确定并提供了潜在参数的列表，即重要性、容易性、风险、时间、难度、成本、对业务的价值等，以提供关于特定项目的要求获得的优先值的意义（Firesmith，2004; Shao等人，2017; Gupta andGupta，2018）。这些参数或尺寸可能因公司和项目而异。我们提出了一个可扩展的框架，其中使用多维参数（或标准）。多维方面是指通过平均加权的个体优先级来确定等效在本研究中，参数和标准这些参数提供了合理的视图，结构化初始利益相关者根据公司/项目的要求，软件开发人员可以决定参数的数量。这将有助于满足行业和利益相关者不断作为实验的一部分，在不同的需求集上测试整个过程的 为了验证，我们将我们的结果与AHP（Ejnioui等人，2012）和IGA（Tonella等人，2013），应用于示例案例研究和数据集（Shaukat等人， 2018年）。结果表明，所提出的方法产生准确和可比的结果相比，层次分析法和IGA。这项研究旨在：提供可缩放的框架以使用多维评估参数引出被表示为优先级值的涉众偏好。针对利益相关者提供的优先级值的不确定性，针对利益相关者的特定需求输入，采用参数的直觉隶属度和非隶属度。处理需求间依赖的技术约束，提出了需求切片和回溯的新概念，以解决需求间的依赖和开发者的初始通过考虑来自利益相关者和开发者的初始优先级集合来生成最终优先级值以支持可靠性和对错误的鲁棒性，从而为利益相关者和开发者之间的协作提供支持。本文的组织如下：第2节介绍了相关的工作，第3节描述了所提出的方法，并对利益相关者和开发人员如何合作并提供初始优先级进行了讨论，这些优先级反过来又用于算法来计算最终的需求排序。第4节说明了所提出的方法的算法。第五部分介绍了本研究所处理的各种研究问题，然后进行了实证验证，并与层次分析法进行了比较。最后，第6节给出了结论。2. 相关工作自20世纪80年代以来，大量的工作都涉及到需求优先级排序过程需求优先级的确定主要集中在为需求分配优先级，以便在正确的时间点开发它们，以避免正在实施的项目失败如何分配这些优先级的问题始终是一个有问题的杂务，以便协调利益相关者和开发人员的意见。其中许多技术是定量的。例如，AHP（Ejnioui等人，2012），累积投票（Lefingwell和Widrig，2003），分层累积投票（Berander和Johnsson，2006），Weiger方法（Wiegers，1999年9月），100美元测试（Sommerville和Sawyer，1997），数值分配（Karlsson和Ryan，1997），成本价值方法（Chatzipetrou等人，2010年）。这些技术考虑了要求彼此独立在这种假设下，需求被认为是相互独立的，而优先级可能会导致错误的最终优先级列表。这是由于需求具有一个或多个参数，并且这些参数通常与其他需求相关。因此，使整个过程更加困难，因为错误的决策可能导致组织的额外成本，并且其影响可能是多方面的（Karlsson等人， 1998年）。技术如1-这些价值可能与开发商的优先级不同，并可能导致利益相关者与开发商之间的冲突。如第1节所强调的，协作问题和对依赖性的考虑是影响最后优先事项清单的主要因素。很少有研究人员在他们的工作中 考 虑 到 这 些 问 题 ，即 CDBR （ Gupta 和 Gupta ， 2018 ） ， IGA（Tonella等人，EVOLVE（Xu and Liao，2014）。例如，EVOLVE（Xu and Liao，2014）从1-5（顺序标度值）范围内的利益相关者获取输入，以定义需求的优先级。利益相关者是开发中项目的客户或用户，他们不了解开发人员的需求，因此在确定优先级时让开发人员参与是很重要的。优先化方法如（Ejnioui等人，2012; Xu和Liao，2014），使用清晰和准确的值来得出最终定价值。但是可能会有这样的情况，利益相关者（跛脚用户）不确定特定需求的优先级值或属性值。仅用涉众或开发人员的输入来总结优先级列表，不会为需求的优先级排序提供有希望的结果。因此，使用涉及利益相关者和开发人员的见解的合作方法是有利和有效的。很少有作者使用模糊逻辑的概念来弥合通过考虑利益相关者或开发商提供的模糊值来确定不确定性的差距（Ramzan 2011; Majumdar等人，2014; Gaur和Soni，2010年8月;Jawale和Bhole，2015; Mishra等人，2016; Ruby和Dr，2015年6月;Gambo等人，2018; Atanassov，1986）。Zeshui Xu等人（Ramzan2011）提出了一种直觉模糊层次分析法（IFAHP）方法，●●●●2290A. 古普塔角Gupta/ Journal of King Saud University一组需要确定优先级的要求切片的组合权重最终优先级列表切片排序和回溯使用依赖关系图使用加权页面排名算法的开发者开发人员利益相关者.Σ多标准决策。该方法声称在决策者面临困难或对要做出的决策不确定的情况下是有帮助的。Ramzan等人提出了一种使用模糊逻辑和专家视图的概念的智能需求优先化技术（Majumdar等人，2014年）。该论文（Majumdar等人，2014）考虑了利益攸关方和专家提供的优先事项清单。专家表演分析利益相关者根据各自的概况提供的优先级，从而最终给出其优先级列表。这些列表被认为是模糊系统的原始输入，并在模糊c均值聚类的帮助下计算最终的清晰值。作者没有注意到在利益相关者提供的输入中对需求或未来进行优先级排序时，（Gaur和Soni，2010年）提出了一种基于模糊的方法，使用基于特定组织中利益相关者行为的标准对利益相关者进行优先级排序，以进行需求优先级排序。（Jawale和Bhole，2015年5月）已经解决了多个利益相关者之间的洋葱冲突问题。模糊决策用于解决与多个利益相关者相关的模糊性和一致性，以帮助开发人员确定优先级。另一种技术（Mishra等人，2016）使用自适应模糊分层累积投票的概念来在运行时对需求进行优先级排序。在（Ruby和Mrsishan，2015）提出的工作中，使用模糊逻辑智能地对需求进行优先级排序，以预测利益相关者和开发人员的需求完整性和可理解性。他们的实验结果得出结论，他们的技术能够产生有希望的和令人印象深刻的结果。在（Gambo等人，2018）模糊方法用于解决小型，中型和大型需求优先级的不确定性和协商。他们的方法本质上是协作的，优先级是基于客户的重要性，成本，时间，风险和模糊决策。模糊多准则决策（FMCDM）以及相似性度量和基于目标的方法已经由Gambo等人（Atanassov，1986）提出。该方法考虑了不精确的知识，边缘使用三角模糊数来制定需求的优先级。本文件并不就不同标准确定任何要求的成员和非成员方面。3. 拟议的确定优先次序进程建议的框架提供了一个交互式的优先级处理过程中获得的利益相关者和开发人员从不同的排序标准的偏好。该框架能够处理单个和多个利益相关者、开发人员以及从两者获得的不同排序标准。它由利益相关者和开发人员组成，S ={S1，S2. S n}且D = {D 1，D 2D n}。 为了帮助获得股权-持有人的初始优先级，直觉模糊的方法是使用交错的人类活动，使用多标准决策分析方法。对于开发需求的事物和顺序非常不确定的涉众使用IFS的概念以成员和非成员值的形式提供模糊输入。另一方面，开发人员使用依赖图，需求切片和需求回溯机制来实现最终的优先级列表。为了支持切片和回溯的概念，加权页面排名算法已被用来分配特定的权重的要求。整个过程如下图1所示。3.1. 直觉模糊集Atanassov（1986）在处理不确定性时引入了一个不同的概念（Xing和Ghorbani，2004）。一个模糊集由一个从0到1的元素的单个值组成，它表示该元素在给定集合中的隶属关系。而在直觉模糊集（IFS）（Li，2005）中，集合中的单个元素有两个值IFS中的元素由成员和非成员值定义这是因为有时候，元素的非成员资格不等于1减去成员资格值。Atanassov IFSS¼ x;lSx;tSxjx2S1其中以下lS：X：中国x2X！lSx2确定优先次序的标准利益相关者Fig. 1. 建议方法的需求优先级排序过程的基本步骤。A. 古普塔角Gupta/ Journal of King Saud University2291M×XM×第1页我MIJ第1页我Maxpi¼aijxj≤ð Þ产品介绍min pi ¼lijxj123M我我JIJJmin pl ¼1/11ijMax pl¼1/1第1页IJ伊季PXX第1页定义了元素x的隶属度，tS ：X：中国（十）x2 X！ tSx 2定义了元素“x”的非隶属度使得：i =（1，2，3 n）Ll ≤aij≤luð9Þ0lxtx12xl≤xj≤xuð10Þ≤S产品介绍ð Þj jIFS术语中使用的另一个参数是直觉模糊指数或犹豫指数，其定义是否属于S或不.pSx1-lSx-tSx3从上面的等式可以得出结论，对于每个xeX，Mxj¼1 11第1页为了对付EQ。（8），可以导出两个线性规划方程0px14（l Xl）元素的隶属度也可以在闭区间范围内重新公式化为：使得：第1页ll;lu[美国运通S]（xl≤xj≤xu）SS SSJ JPm xj¼13.2. 初始利益相关者优先级的引出为了从利益相关者获得初始优先值，对于m个准则和最大x（pu¼）Xj1/4luxj）ð13ÞRij<$fri;cj;lij;tijg6其中，0≤mij≤ 1，0≤tij≤ 1和0≤mij +tij≤ 1，0i≤n和≤使得：（xl≤xj≤xu）0ðÞ手动设置数据预处理，并选择属于同一项目类别的需求片段。这些需求被分为四个不同的需求集，从10到40个需求。在软件工程中，任何项目的复杂性和规模都由多个因素决定，即项目规模-包括需求数量和要产生的可交付成果的复杂性、估计持续时间、资源需求、预算、复杂性、风险、可见性和相关事项。项目的最终规模通常以标准的规模来衡量--大、中、小。这些术语的定义因组织而异。从本文所选案例研究的角度来看，该项目的规模为中等，优先级值以百分比表示年龄对每一个要求转换成数字根据-名单利益相关者优先级列表使用表4计算，值越高，需求的优先级越高。类似地，从表5中推导出开发人员优先级列表，908070605040302010 0按百分比降序排列对于这四组中的每一组利益相关者和开发人员的初始优先级是根据第3节中采用的过程获取的。为了计算开发者矩阵的密度定义了矩阵的稀疏性，它反映了系统的复杂性。密度的值越高，表示系统中的依赖性越多，因此使其在本质上变得复杂所有选定的技术都应用于同一数据集，以保持一致性和环境。4.1. 测量度量为了比较任何两种技术，测量指标是必不可少的。可扩展性和鲁棒性的两个方面进行了评估，通过观察不同数量的需求集和错误的输入故意在定期间隔的时间在每个需求集考虑提供的结果。测量为不一致的准确度根据以下定义计算20015010050010 20 30 40所需经费数目不一致（FAHP）不一致（IGA）不一致（数据集）不一致（拟定）图三. 不同无要求的分歧图。10 50 100 200 500引出的配对不一致（FAHP）不一致（IGA）不一致（数据集）不一致（拟定）在Eq. （二十三）.8> 1ifxry.联系我们或见图4。100个需求集的不一致图，具有不同数量的引出对以计算不一致。I j><。ΣI j. 联系我们第一次见面>：xri>x rjandyriyrj;<其他0>;ð23Þ表830个引出对不同的要求集的总分歧所需经费数目这里，x和y是由两种不同技术产生的两个不同的秩R1表示需求，而x（R1）表示需求R1的等级。由两种不同技术产生的排序列表之间的总不一致是在等式中给出的所有可能的需求对上的不一致的总和（24页）。总共发表了1/4篇文章，其中包括24篇4.2. 实验结果用统计学方法对所选技术的结果进行了分析。总不一致值使用等式计算上述10、20、30、40个要求。在每个需求集的10次运行上计算最终排名，并且对不一致值求平均。由每种技术（proposed-FAHP和proposed-IGA）和数据集（Shaukat等人，2018年）与利益相关者和开发人员提供的初始排名进行比较，以计算最终的分歧。最后的不一致现在可以称为开发者-最终优先级列表和开发者-最终优先级列表27 40 65 80共计20 34 55 67总数据集18 31 48 56拟议分配总数表9对于100组，不同数量的引出对的不一致值要求.引出对数10 50 100 200 500总人数FAHP620 48 92 178总人数总数据量数据集10412 30 58 120拟议总人数200312 31 54 112表1030个引出对10个错误输入的要求的总分歧所需经费数目10101010误差率不一致百分之五百分之十百分之十五百分之二十拟议总人数10121311分歧分歧2296A. 古普塔角Gupta/ Journal of King Saud University表11p值比较，假设α为0.05。在错误率为0%的百