The Optimization of COCOMO Model Coefficients Using Genetic Algorithms

Galinina Anna (), Burceva Olga () and Parshutin Sergei ()
Additional contact information
Parshutin Sergei: Riga Technical University

Information Technology and Management Science, 2012, vol. 15, issue 1, 45-51

Abstract: В настоящее время существует множество моделей для оценки стоимости разработки программного обеспечения, которые предоставляют полезную информацию менеджерам для принятия правильных решений. Одной из таких известных математических моделей является модель COCOMO. Для оценки трудозатрат и времени модель использует коэффициенты, которые были найдены в 1981 году методом регрессивного анализа статистических данных, основанных на 63 различных типах проектных данных. Использование этих коэффициентов для современной оценки проектов может не дать точных результатов, поэтому целью данной работы является оптимизация коэффициентов, используя генетические алгоритмы. У модели COCOMO есть три уровня и три режима, которые зависят от размера проекта и размера команды разработчиков. В данной работе рассмотрен только один базовый уровень и два режима - органический и полуразделённый. Оптимизация коэффициентов модели COCOMO не является новой задачей. Для решения задачи уже использовались нейронные сети, нечёткие алгоритмы, объектно-ориентированные методы и другие. В данной работе для оптимизации коэффициентов используются генетические алгоритмы. Генетические алгоритмы являются эволюционным методом для оптимизации. Для оценки популяций генетический алгоритм будет использовать набор атрибутов из нескольких проектов по разработке программного обеспечения. Это количество строк кода, трудозатраты и время реализации проекта. В целом, было использовано два набора данных, по одному на каждый режим модели COCOMO. Прогнозируемые моделью COCOMO трудозатраты будут сравниваться с реальными данными, таким образом оценивая функцию приспособленности индивида в популяции возможных решений. В ходе экспериментов была сформирована начальная популяция из десяти индивидов и произведена оптимизация коэффициентов. Используя стратегию трёхточечного скрещивания, в органическом режиме лучший результат был достигнут на 1500 итерации, в полуразделённом режиме лучший результат был достигнут на 1000 итерации. Для кодировки использовались целые числа от нуля до девяти. Сравнивая прогнозируемые трудозатраты и время разработки, которые были получены, используя существующие коэффициенты и новые коэффициенты, было констатировано, что новые коэффициенты дают более точные результаты.

Date: 2012
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://doi.org/10.2478/v10313-012-0006-7 (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:vrs:itmasc:v:15:y:2012:i:1:p:45-51:n:6

DOI: 10.2478/v10313-012-0006-7

Access Statistics for this article

Information Technology and Management Science is currently edited by J. Merkurjevs

More articles in Information Technology and Management Science from Sciendo
Bibliographic data for series maintained by Peter Golla ().