11、基于脉冲神经网络的软件成本估算预测

基于脉冲神经网络的软件成本估算预测

1. 引言

在当今竞争激烈的商业环境中，软件公司若想取得成功并保持可持续发展，在软件开发早期准确估算过程成本（包括完成时间、资源和所需预算）至关重要。然而，由于竞争压力和时间限制，项目管理者在估算资源时往往精度较低，导致公司在产品质量、项目按时完成和预算控制等方面表现不佳。

随着软件需求范围的不断扩大，开发过程的复杂性也日益增加，进而导致交付的软件产品不准确。因此，在软件开发周期的早期，需要一个能够进行更好规划、可靠设计、高效人力安排和合理资源分配的增强模型。预测软件过程的估算成本是软件开发早期的迫切需求，但提高过程成本估算的准确性是计算机科学和软件工程领域的一大挑战。

软件估算工具旨在防止或减少项目失败，并提高产品质量。软件成本估算（SCE）是预测完成项目所需工作量的过程，通常以人月（PM）为单位。估算出工作量后，就能进一步估算项目的成本和时间。过去十年，研究主要集中在缩小估算时间与实际时间的差距，虽然90%的项目取得了成功，但产品质量仍然较低。因此，需要高度计算性的学习方法来预测更好的过程成本，以保持产品的高质量，满足客户需求。

目前，预测技术主要分为三类：参数化、非算法和机器学习。神经网络（NN）作为一种机器学习技术，能够进行计算、处理、分类和预测新模式，并映射输入 - 输出模式，具有解决非线性问题和容错的能力，还能为决策提供训练知识。

本文的主要目标是提出一种第三代神经网络，即脉冲神经网络（SNNs）。该技术在解决复杂信息处理任务方面表现出色，优于传统神经网络。SNNs能够对尖峰序列生成的时间数据进行编码，实现快速解码和信息复用。SNNs有两种版本：进化SNN（eSNN）和动态eSNN（deSNN