Otimização do COCOMO Básico Utilizando Algoritmo Genético para Estimativa de Esforço no Desenvolvimento de Software
O desenvolvimento de software tem aumentado em larga escala e ser capaz de estimar os custos se tornou uma tarefa difícil. Métricas têm sido amplamente utilizadas, bem como propostas para estimar o esforço no desenvolvimento de software. A métrica COCOMO Básico tem sido utilizada como base de pesquisas com o objetivo de otimizar seus parâmetros. Técnicas de inteligência artificial são usadas por autores para buscar melhores estimativas, entre elas o Algoritmo Genético (AG) produz bons resultados apresentados na literatura. Esta pesquisa propõe um modelo de Algoritmo Genético para otimizar os parâmetros do COCOMO Básico. O resultado mostra que o modelo proposto de algoritmo apresenta em termos de Mean Absolute Error (MAE) melhoria de 93,517% comparado ao COCOMO Básico, 41,639% de melhoria comparado a outro modelo de AG proposto em 2006, 2,515% de melhoria comparado ao modelo proposto de Particle Swarm Optimization (PSO) e 1,594% de melhoria comparado ao modelo proposto de Nature-Inspired Algorithm (NIA).
Otimização do COCOMO Básico Utilizando Algoritmo Genético para Estimativa de Esforço no Desenvolvimento de Software
-
DOI: 10.22533/at.ed.01020141215
-
Palavras-chave: engenharia de software, algoritmo genético, COCOMO básico, estimativa de esforço.
-
Keywords: software engineering, genetic algorithm, basic COCOMO, effort estimation.
-
Abstract:
Software development has greatly increased and being able to estimate costs has become a difficult task. Metrics have been widely used and proposed to estimate the effort in software development. The Basic COCOMO metric has been used as a research base in order to optimize its parameters. Artificial intelligence techniques are used by authors to seek better estimates, among them the Genetic Algorithm (GA) produces good results presented in the literature. This research proposes a Genetic Algorithm model to optimize Basic COCOMO parameters. The result shows that the proposed algorithm model presents in terms of Mean Absolute Error (MAE) 93.517% improvement compared to Basic COCOMO, 41.639% improvement compared to another proposed GA model, 2.515% improvement compared to Particle Swarm Optimization (PSO) and 1.594% improvement compared to the proposed Nature-Inspired Algorithm (NIA) model.
-
Número de páginas: 22
- Marco Antônio Pereira Araújo
- Márcia Cristina Valle Zanetti
- Arielson Altino de Souza
