Рус Eng Cn Перевести страницу на:  
Please select your language to translate the article


You can just close the window to don't translate
Библиотека
ваш профиль

Вернуться к содержанию

Программные системы и вычислительные методы
Правильная ссылка на статью:

Голосовский М.С. Модель оценивания погрешностей прогнозирования сроков разработки программного обеспечения

Аннотация: Предметом исследования является сфера разработки программного обеспечения. Важной прикладной задачей является достоверное прогнозирование сроков разработки программного обеспечения. Однако отсутствие массива типовых работ по созданию программного обеспечения, время выполнения которых заранее определено регламентом или замерено с использованием хронометража, существенно затрудняет решение названной задачи. С учетом такой неопределенности создана математическая модель оценивания погрешностей прогнозирования сроков разработки программного обеспечения на основе нечёткой адаптивной системы, основанной на массиве продукционных правил, антецеденты и консеквенты которых представлены лингвистическими переменными. Методология исследования объединяет методы программной инженерии и методы нечеткого логического вывода с применением нечетких регуляторов на основе продукционных правил. Основным результатом исследования является модель оценивания погрешностей прогнозирования сроков разработки программного обеспечения на основе нечёткой адаптивной системы и результаты исследования ее потенциальной эффективности. Показано, что достоинствами разработанной модели являются: возможность получения оценки ошибки на основе экспертных оценок при отсутствии статистических данных; возможность корректировки модели в ходе выполнения проекта; устойчивость модели к разовым шумовым изменениям в результирующих значениях;возможность переноса модели в новый проект.


Ключевые слова:

программная инженерия, разработка программ, время разработки программы, нечеткий регулятор, программное обеспечение, оценка времени программирования, продукционный логический вывод, затраты на программирование, сложность программного обеспечения, проект разработки программы

Abstract: The subject of research is in the area of software development. An important task for this field is to accurately predict the timing of software development. However, the lack of standard set of tasks for which the execution time is predetermined or measured considerably complicates time management. Given these uncertainties, the author created a mathematical model of estimation of errors in predicting the timing of software development based on adaptive fuzzy system with an array of production rules, the antecedents and the consequent for which are represented by linguistic variables. The research methodology combines software engineering techniques and methods of fuzzy inference using fuzzy controllers based on production rules. The main result of the research is in building a model of estimation of errors in predicting the timing of software development based on fuzzy adaptive control system and the studies of its potential effectiveness. It is shown that the advantages of the developed model are: the possibility of obtaining error estimates based on expert judgment in the absence of statistical data; the possibility of adjusting the model during the project; the stability of the model to the one-time changes in the resulting noise values; the ability to transfer the model in a new project.


Keywords:

productional logical conclusion, evaluation of programming time, software, fuzzy controller, development time program, software development, software engineering, programming costs, complexity of the software, software development project


Эта статья может быть бесплатно загружена в формате PDF для чтения. Обращаем ваше внимание на необходимость соблюдения авторских прав, указания библиографической ссылки на статью при цитировании.

Скачать статью

Библиография
1. Каратыгин С.А., Дукин А.Н. Оценка сроков разработки программного обеспечения // Естественные и технические науки. 2009. № 4 (42). С. 350-354.
2. Голосовский М.С. Модель жизненного цикла разработки программного обеспечения в рамках научно-исследовательских работ // Автоматизация. Современные технологии. 2014. № 1. С. 43-46.
3. Фёдоров М.В., Калинин К.М., Богомолов А.В., Стецюк А.Н. Математическая модель автоматизированного контроля выполнения мероприятий в органах военного управления // Информационно-измерительные и управляющие системы. 2011. Т. 9. № 5. С. 46-54.
4. Голосовский М.С. Информационно-логическая модель процесса разработки программного обеспечения // Программные системы и вычислительные методы. 2015. № 1. С. 59-68.
5. Кукушкин Ю.А., Богомолов А.В., Ушаков И.Б. Математическое обеспечение оценивания состояния материальных систем // Информационные технологии. 2004. № 7 (приложение). 32 с.
6. Гольфанд И.Я., Хлебутин П.С. Оценка трудозатрат разработки программной компоненты // Труды ИСА РАН, Т.15, 2005. С. 125-135
7. Козлов В.Е., Богомолов А.В., Рудаков С.В., Оленченко В.Т. Математическое обеспечение обработки рейтинговой информации в задачах экспертного оценивания // Мир измерений. 2012. № 9. С. 42-49.
8. Bourque P., Fairley R.E. Guide to the Software Engineering Body of Knowledge (SWEBOK) Version 3.0. IEEE Computer Society, 2013. 335 p.
9. Щеглов И.Н., Печатнов Ю.А., Богомолов А.В. Интенсификация разработки автоматизированных систем обучения на основе нейросетевых технологий // Информационные технологии. 2003. № 4. С. 31.
10. Афанасьев Ю.И. Устойчивости автоматизированных систем. Концепция устойчивого взаимодействия // Образовательные ресурсы и технологии. – 2014.-№ 5(8). [Электронный ресурс]. URL:http://www.muiv.ru/vestnik/pdf/pp/ot_2014_5_86-94.pdf
11. Рудаков И.С., Рудаков С.В., Богомолов А.В. Методика идентификации вида закона распределения параметров при проведения контроля состояния сложных систем // Информационно-измерительные и управляющие системы. 2007. Т. 5. № 1. С. 66-72.
12. Есев А.А., Мережко А.Н., Ткачук А.В. Технология квалиметрии технического уровня сложных систем // Вестник компьютерных и информационных технологий. 2014. № 7 (121). С. 28-34.
13. Iancu I. Extended Mamdani Fuzzy Logic Controller // The 4th IASTED Int. Conf. on Computational Intelligence, ACTA Press, Honolulu, USA, 2009. РР. 143–149.
14. Mann G.K.I., Bao-Gang Hu, Gosine R.G. Analysis of direct action fuzzy PID controller structures // IEEE Transactions on Systems, Man and Cybernetics, Part B. June 1999. Vol. 29. Issue 3. P. 371-388
15. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IEEE Trans. Systems Man Cybernet. – 1985. – Vol. 15. – № 116. – P.116–132.
16. Zadeh L.A. A theory of approximate reasoning // Machine Intelligence. New York: John Wiley & Sons, 1979. 194 p.
17. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.
18. Усков А.А., Круглов В.В. Интеллектуальные системы управления на основе методов нечеткой логики // Смоленская городская типография, 2003. 177 с.
19. Mamdani E.H. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Transactions on Computers, №26(12), 1977. РР 1182–1191
References
1. Karatygin S.A., Dukin A.N. Otsenka srokov razrabotki programmnogo obespecheniya // Estestvennye i tekhnicheskie nauki. 2009. № 4 (42). S. 350-354.
2. Golosovskiy M.S. Model' zhiznennogo tsikla razrabotki programmnogo obespecheniya v ramkakh nauchno-issledovatel'skikh rabot // Avtomatizatsiya. Sovremennye tekhnologii. 2014. № 1. S. 43-46.
3. Fedorov M.V., Kalinin K.M., Bogomolov A.V., Stetsyuk A.N. Matematicheskaya model' avtomatizirovannogo kontrolya vypolneniya meropriyatiy v organakh voennogo upravleniya // Informatsionno-izmeritel'nye i upravlyayushchie sistemy. 2011. T. 9. № 5. S. 46-54.
4. Golosovskiy M.S. Informatsionno-logicheskaya model' protsessa razrabotki programmnogo obespecheniya // Programmnye sistemy i vychislitel'nye metody. 2015. № 1. S. 59-68.
5. Kukushkin Yu.A., Bogomolov A.V., Ushakov I.B. Matematicheskoe obespechenie otsenivaniya sostoyaniya material'nykh sistem // Informatsionnye tekhnologii. 2004. № 7 (prilozhenie). 32 s.
6. Gol'fand I.Ya., Khlebutin P.S. Otsenka trudozatrat razrabotki programmnoy komponenty // Trudy ISA RAN, T.15, 2005. S. 125-135
7. Kozlov V.E., Bogomolov A.V., Rudakov S.V., Olenchenko V.T. Matematicheskoe obespechenie obrabotki reytingovoy informatsii v zadachakh ekspertnogo otsenivaniya // Mir izmereniy. 2012. № 9. S. 42-49.
8. Bourque P., Fairley R.E. Guide to the Software Engineering Body of Knowledge (SWEBOK) Version 3.0. IEEE Computer Society, 2013. 335 p.
9. Shcheglov I.N., Pechatnov Yu.A., Bogomolov A.V. Intensifikatsiya razrabotki avtomatizirovannykh sistem obucheniya na osnove neyrosetevykh tekhnologiy // Informatsionnye tekhnologii. 2003. № 4. S. 31.
10. Afanas'ev Yu.I. Ustoychivosti avtomatizirovannykh sistem. Kontseptsiya ustoychivogo vzaimodeystviya // Obrazovatel'nye resursy i tekhnologii. – 2014.-№ 5(8). [Elektronnyy resurs]. URL:http://www.muiv.ru/vestnik/pdf/pp/ot_2014_5_86-94.pdf
11. Rudakov I.S., Rudakov S.V., Bogomolov A.V. Metodika identifikatsii vida zakona raspredeleniya parametrov pri provedeniya kontrolya sostoyaniya slozhnykh sistem // Informatsionno-izmeritel'nye i upravlyayushchie sistemy. 2007. T. 5. № 1. S. 66-72.
12. Esev A.A., Merezhko A.N., Tkachuk A.V. Tekhnologiya kvalimetrii tekhnicheskogo urovnya slozhnykh sistem // Vestnik komp'yuternykh i informatsionnykh tekhnologiy. 2014. № 7 (121). S. 28-34.
13. Iancu I. Extended Mamdani Fuzzy Logic Controller // The 4th IASTED Int. Conf. on Computational Intelligence, ACTA Press, Honolulu, USA, 2009. RR. 143–149.
14. Mann G.K.I., Bao-Gang Hu, Gosine R.G. Analysis of direct action fuzzy PID controller structures // IEEE Transactions on Systems, Man and Cybernetics, Part B. June 1999. Vol. 29. Issue 3. P. 371-388
15. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IEEE Trans. Systems Man Cybernet. – 1985. – Vol. 15. – № 116. – P.116–132.
16. Zadeh, L.A. A theory of approximate reasoning // Machine Intelligence. New York: John Wiley & Sons, 1979. 194 p.
17. Zade L.A. Ponyatie lingvisticheskoy peremennoy i ego primenenie k prinyatiyu priblizhennykh resheniy. M.: Mir, 1976. 165 s.
18. Uskov A.A., Kruglov V.V. Intellektual'nye sistemy upravleniya na osnove metodov nechetkoy logiki // Smolenskaya gorodskaya tipografiya, 2003. 177 s.
19. Mamdani E.H. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Transactions on Computers, №26(12), 1977. RR 1182–1191