برآورد یک پارامتر کارآمد از مدل های رشد اتکاپذیری با استفاده از الگوریتم جستجوی گرانشی
An efficient parameter estimation of software reliability growth models using gravitational search algorithm
مشخصات کلی
سال انتشار | 2016 |
کد مقاله | 2831 |
فرمت فایل ترجمه | Word |
تعداد صفحات ترجمه | 16 |
نام مجله | Int J Syst Assur Eng Manag |
نشریه | Springer |
درج جداول و شکل ها در ترجمه | انجام شده است |
جداول داخل مقاله | ترجمه نشده است |
چکیده فارسی
در این مقاله یک روش برای برآورد موثر یک پارامتر ارائه می شود که مربوط به مدل های رشد قابل اتکای نرم افزاری است و از الگوریتم جستجوی گرانشی نیز استفاده می نماید. اگر پارامترهای مدل ناشناخته باشند و اعتباری در مجموعه داده های نرم افزاری بهنگام نداشته باشند، مدل رشد قابل اتکای یک نرم افزار ناقص خواهد بود. تکنیک های مختلفی برای برآورد عددی کارآمد در برآورد پارامتر مدل های رشد قابل اتکای نرم افزاری وجود دارد. اما این تکنیک ها دوای هر دردی نیستند. از محدودیت هایی که همیشه در برآورد پارامتر خود را نشان می دهد می توان به اندازه نمونه، انحراف معیار و مقدار دهی اولیه اشاره کرد. نتایج نشان می دهند که تکنیک مبتنی بر الگوریتم جستجوی گرانشی برای برآورد پارامتر به این مشکلات غلبه کرده است و برآورد فوق العاده ای برای پارامترهای کیفی دارد. در این مقاله، آزمایشات متعددی روی مجموعه داده های بلادرنگ انجام شده است و نتایج آن با رویکردهای پیشنهادی مقایسه شده است. نتایج تحلیل نشان می دهد که رویکرد پیشنهادی برتری قابل توجهی به برآورد عددی موجد، الگوریتم ژنتیک و روش های جستجوی کوکو (cuckoo) دارد.
چکیده لاتین
This paper presents an effective parameter estimation approach for software reliability growth models using gravitational search algorithm. A software reliability growth model is imperfect, if model parameters are unknown and are not validated on real-time software datasets. There exist several efficient numerical estimation techniques for parameter estimation of software reliability growth models. But they are not panacea. Sample size, biasing and initialization etc. always remain a constraint for best parameter estimation. Results indicate that gravitational search algorithm based technique for parameter estimation overcomes these problems and does superior quality parameter estimation. In this paper, extensive experiments on nine real-time datasets were conducted and results were analyzed to compare the proposed approach. The analysis results point towards the superiority of proposed approach over existing numerical estimation, genetic algorithm and cuckoo search methods.
خرید و دانلود ترجمه این مقاله:
جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.
هیچ دیدگاهی برای این مقاله ثبت نشده است
دیدگاه ها