基于BP神经网络的软件项目成本估测方法

《基于BP神经网络的软件项目成本估测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第４４卷第３期航空计算技术Ｖｏｌ．４４Ｎｏ．３２０１４年５月ＡｅｒｏｎａｕｔｉｃａｌＣｏｍｐｕｔｉｎｇＴｅｃｈｎｉｑｕｅＭａｙ．２０１４基于ＢＰ神经网络的软件项目成本估测方法李鹏飞，刘明源（西安邮电大学经济与管理学院，陕西西安７１００６１）摘要：为进一步提高软件项目成本估测的准确度，减少在使用传统估测方法时产生的较大误差，提出了一种基于ＢＰ神经网络算法的软件项目成本估测模型。利用ＢＰ神经网络对软件项目成本进行估计，采用梯度下降自适应Ｉｒ的ＢＰ算法训练，仿真结果表明，基于算法的软件项目成本估测值与实际成本的偏差较小。关键词：软件项

2、目；成本估测模型；ＢＰ神经网络；改进算法训练中图分类号：ＴＰ１８３文献标识码：Ａ文章编号：１６７１桘６５４Ｘ（２０１４）０３桘０００９桘０３MethodofSoftwareProjectCostEstimationBasedonBPNeuralNetworkＬＩＰｅｎｇ桘ｆｅｉ，ＬＩＵＭｉｎｇ桘ｙｕａｎ（SchoolofEconomicandManagement，Xi′anUniversityofPotsnadTelecommunications，Xi′an７１０１２１，China）Abstract：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏ

3、ｖｅｔｈｅａｃｃｕｒａｃｙｏｆｓｏｆｔｗａｒｅｐｒｏｊｅｃｔｃｏｓｔｅｓｔｉｍａｔｉｏｎａｎｄｒｅｄｕｃｅｌａｒｇｅｇａｐｓｗｈｅｎｉｎｕｓｉｎｇｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ，ａｓｏｆｔｗａｒｅｐｒｏｊｅｃｔｃｏｓｔｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏ-ｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．ＡｃｃｏｒｄｉｎｇｔｏＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ，ｔｈｅｓｏｆｔｗａｒｅｐｒｏｊｅｃｔｃｏｓｔｉｓｅｓｔｉｍａｔｅｄｂｙｕｔｉｌｉｚｉｎｇｔｈｅａｌｇｏｒｉｔｈｍｔｒａｉｎｉｎｇｏｆＧｒａｄ

4、ｉｅｎｔｄｅｓｃｅｎｔｗｉｔｈａｄａｐｔｉｖｅＩｒ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｄｅｖｉａｔｉｏｎｖａｌ-ｕｅｂｅｔｗｅｅｎｅｓｔｉｍａｔｉｏｎｃｏｓｔａｎｄａｃｔｕａｌｃｏｓｔｉｓｌｅｓｓｂａｓｅｄｏｎｔｈｉｓａｌｇｏｒｉｔｈｍ．Keywords：ｓｏｆｔｗａｒｅｐｒｏｊｅｃｔ；ｃｏｓｔｅｓｔｉｍａｔｉｏｎｍｏｄｅｌ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｔｒａｉｎｉｎｇ引言１９８１年提出基于功能点的ＣＯＣＯＭＯ模型，此方法虽随着软件项目规模的迅速增长，软件项目的成

5、本然完全适用于新项目与之前项目差异很大，或者没有也变得难以控制。根据Ｓｔａｎｄｉｓｈ组织在２００４年第三充分的历史数据而不能完全精准地估计所有项目的成［１］季度公布的“ＣＨＡＯＳ”报告所述，在其统计的五万多［６］本。朱建东２０１０年提出基于灰色系统理论的软件个项目中，仅有２９％的项目是成功的，１８％的项目是项目预测模型，该模型以小样本、贫信息、不确定性系失败的，５３％的项目是被质疑的，因为这些项目虽然完统为研究对象，但是只比以往方法的估测精度改进成了，但是平均预算超支了８９％。成功的软件项目系１０％～５０％。曾一［７］２０１０年

6、提出基于ＲＦＢ神经网络统开发是指按时、按预算地交付符合用户和组织需要的软件成本估算模型，此方法采用样本聚类，利用遗传［２］的软件系统。影响软件成本的因素比较多，而且大优化算法，解决了软件成本因素之间的复杂的非线性多数因素是模糊不清的，并且带有不确定性，但是它们关系对估测结果产生的偏差。付雅芳［８］２０１２年也提之间又相互制约，存在着耦合且复杂的非线性关系，这出基于遗传算法和案例推理的估算方法，提高了类比［３］就使得要精准地估算软件成本十分困难。法估算精度，减小了估算难度和工作量。国外对软件成本估计的研究时间较国内长，到目人工神经

7、网络是近些年以来紧密结合计算机技术前为止，已有很多软件成本估测方法。常用的软件估新兴发展起来的模型方法，这种方法在国外已经被广［４］测方法有很多，赫尔姆和达尔克在２０世纪２０年代泛地运用在项目成本的估测，但是在国内企业中，该种提出专家估算德尔菲法，１９４６年该方法被兰德公司首方法的应用案例还比较少。ＢＰ神经网络模型是典型次应用于预测，后被广泛传播，但是该方法没有明确目的多层前馈神经网络，是一种非线性映射，它在软件［５］标，预测结果缺乏科学分析，结果也不够精确。勃姆项目成本的预测中具有较强的鲁棒性、容错性和冗余收稿日期：２０１４－

8、０３－３１修订日期：２０１４－０５－０５基金项目：陕西省科技厅国际合作项目资助（２０１２ＫＷ－０３－０２）；陕西省科技厅工业攻关项目资助（２０１４ｋ０５－６２）；西安市科技局科技计划项目资助（ＣＸＹ１１１７）；西安市社科规划基金项目资助（１４Ｊ２８）作者简介：李