68、基于机器学习的软件成本估算框架

基于机器学习的软件成本估算框架

研究问题

现有研究方法存在一些潜在问题：
- 现有技术在软件项目管理中的应用较少，更多应用于其他领域，导致需求与相关文献之间的差距较大。
- 在现有系统中，机器学习的应用没有占据主导地位，且缺乏显著贡献，并且使用方式较为复杂。
- 大多数现有方法基于项目的特定案例研究，缺乏对实际约束条件的考虑。
- 目前还没有研究探讨学习技术对软件成本估算的影响。

因此，本研究的问题可以明确表述为：“开发一种具有更高优化程度、更少迭代次数和更低资源依赖性的经济高效的软件成本估算预测模型是一项极具挑战性的任务”。

解决方案

提出的系统采用机器学习方法，为软件成本估算提供了一种新颖的途径。其架构如图1所示，该架构对软件成本估算进行了优化。整个工作流程分为两个模块：一是由项目负责人进行成本估算；二是利用机器学习方法，结合软件项目管理的各种约束条件和实际输入变量，进一步优化估算的软件成本。

根据图1，实施过程分为四个阶段：
1. 确定训练函数 ：导入通过量化定性研究获得的数据库，然后选择合适的训练函数。经过训练，生成最佳训练算法和网络架构。
2. 选择相关变量 ：计算输入变量的相对重要性，过滤重要性得分较低的输入变量。经过训练，确定精英输入变量和最佳架构。
3. 选择测试场景 ：从多个场景中选择一个测试场景，经过训练，生成具有更好输入变量形式、最佳训练算法、高级架构以及最佳值范围的网络。
4. 网络训练与优化