رویکردی جدید برای ارزیابی ریسک پروژه های نرمافزاری با استفاده ازالگوریتم ژنتیک بهبود یافته

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 رویکردی جدید برای ارزیابی ریسک پروژه های نرمافزاری با استفاده ازالگوریتم ژنتیک بهبود یافته دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد رویکردی جدید برای ارزیابی ریسک پروژه های نرمافزاری با استفاده ازالگوریتم ژنتیک بهبود یافته  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی رویکردی جدید برای ارزیابی ریسک پروژه های نرمافزاری با استفاده ازالگوریتم ژنتیک بهبود یافته،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن رویکردی جدید برای ارزیابی ریسک پروژه های نرمافزاری با استفاده ازالگوریتم ژنتیک بهبود یافته :

تعداد صفحات :۹

چکیده مقاله:

برای پروژههای نرمافزاری که به محدودیت زمانی و یا منابع انسانی متکی هستند بایستی برنامهریزی دقیقی انجام شود. یکی از فعالیتهای مهم در تحلیل، ارزیابی و کنترل پروژههای نرمافزاری، مدیریت ریسک است. پروژههای نرمافزاری در محیطی مملو از عدم قطعیت در حال توسعه و تولید میباشند. بنابراین، پیشبینی مولفههای عدم قطعیت و تحلیل آنها و برنامهریزی در جهت کاهش ریسک و افزایشتاثیرات مثبت آنها نقش مهمی در نیل به اهداف پروژهها ایفا میکند. توسعه پروژههای نرمافزاری، بدون مدیریت ریسک عملا امکانپذیر نخواهد بود و لذا ارایه یک مدل برای شناسایی ریسکها از الزامات پروژههای نرمافزاری میباشد. اولین گام در ارزیابی ریسک، شناساییریسک میباشد. با تاثیر فاکتورها و پارامترهای دخیل در ریسک میتوان تجزیه و تحلیل و میزان احتمال ریسک را شناسایی کرد. روش- های زیادی برای برای تجریه و تحلیل ریسکها وجود دارد که مدل کوکومو یکی از مدلهای اصلی برای ارزیابی ریسک است اما اینتوانایی لازم برای شناسایی ریسک را ندارد. بنابراین در این مقاله از الگوریتم ژنتیک بهبود یافته که بر مبنای عملگر جهش بهبود داده شده است استفاده کردیم. ارزیابی و نتایج بر روی دیتاست NASA93 که یکی از دیتاستهای اصلی سایت ناسا و شامل انواع مختلفی ازپروژههای نرمافزاری است انجام شده است. نتایج نشان میدهد که مقدار MMRE در الگوریتم ژنتیک بهبود یافته در مقایسه با مدل COCOMOII و مدل ANN-GA ، کمتر است و همچنین فاکتورهای دخیل در ریسک را دقیقتر شناسایی کرده است