基于模糊——遗传算法的IFPUG功能点模型

摘要

准确的成本估算是软件项目定价和资源配置成功的关键。软件规模是软件成本估算中最重要的因素。在众多软件规模估算方法中，IFPUG(International Function PointUsers Group，IFPUG)组织提出的功能点分析方法(Function Point Analysis，FPA)应用最为广泛。从FPA提出至今，软件开发方法发生了较大变化，需要对FPA的复杂度权值进行更新研究；传统的复杂度分级度量出于方便计算、快速推广等因素考虑，在复杂度分类的边界界定问题上未做深入探讨，在计算项目功能点时可能会出现边界陡峭、复杂度分类模糊等问题。本文对IFPUG FPA的复杂度分类边界问题、复杂度权值有效性问题进行了研究与探索，提出一个基于模糊-遗传算法的方法(F-Ga-FPA模型)来界定复杂度分类边界、校正复杂度权值。主要工作包括：
　　 (1)设计并实现了IFPUG FPA复杂度权值的模糊推理过程。该过程由预定义的模糊度量和后期调整的模糊度量组成。对原IFPUG FPA复杂度分类体系进行改进，减少了边界陡峭问题对复杂度分类的影响，使复杂度分类清晰、平滑化。将权重分类，从离散取值扩展到连续取值。扩展了IFPUG FPA方法的适用范围。
　　 (2)提出一种基于遗传算法的IFPUG复杂度权值校正方法。该方法结合ISBSG数据库，运用回归分析提取工作量估算方程，运用遗传算法对复杂度权值进行校正，得出一套更客观、适用性更广的复杂度权值。降低新技术环境下原FPA复杂度权值定义存在的主观性、过时和局部化等问题的限制。提高IFPUG功能点估算的准确度。
　　 (3)结合上述工作，实现基于模糊-遗传算法的IFPUG功能点估算模型(F-Ga-FPA)，验证它的有效性，并将其运用到一个智能停车诱导项目的规模估算中。
　　 结果表明，重用功能点项目仓库中的信息以校正FPA复杂度权值，可提高估算精确度。改进后的FPA对城市停车诱导软件规模的估算相比传统FPA更接近实际开发。