ارائه یک مدل پیش بینی قابلیت اطمینان نرم افزار با استفاده از شبکه های عصبی مصنوعی

همزمان با پیچیدگی و سرعت رشد اندازه محصولات نرم افزاری تقاضا از کیفیت نرم افزار بالا و بالاتر می رود و نقش بسیار مهمی درفرآیند توسعه یک محصول نرم افزاری خواهد داشت. در این پژوهش دو رویکرد مبتنی بر شبکه های عصبی به منظور مدلسازی وپیش بینی قابلیت اطمینان نرم افزار ارائه شده است . در این روش ها به نحوه ترکیب الگوریتم های محاسبات تکاملی ، با شبکه هایعصبی مصنوعی در جهت رسیدن به روش های پویا و منعطف پرداخته شده است ، در ابتدا ساختار و معماری شبکه عصبی شاملورودی ها ، تعداد لایه ها ، توابع فعالیت ، خروجی ها و غیره مشخص می گردد ، سپس قسمت آموزش شبکه عصبی شامل تعیین وزنها و بایاس ها که در به حداقل رساندن خطای آموزشی و تعیین خروجی با دقت بالا مهم میباشد توسط الگوریتم های بهینه سازیتکاملی مانند ، الگوریتم ژنتیک و الگوریتم ازدحام ذرات، انجام پذیرفته و خروجی های لازم استخراج گردیده است ، در شرایط آزمایش یکسان با پیاده سازی شبکه عصبی در نرم افزار Matlab و مقایسه بین دو روش ارائه شده در خروجی نشان داده شده که آموزش شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات دقت بهتری از پیش بینی با روش الگوریتم ژنتیک دارد.

کلیدواژه ها:

قابلیت اطمینان نرم افزار ، پیش بینی ، شبکه های عصبی مصنوعی ، الگوریتم ژنتیک ، الگوریتم ازدحام ذرات