دانلود مقاله ترجمه شده مدل پیش بینی قابلیت اطمینان نرم افزار بر اساس رگرسیون بردار پشتیبانی با بهبود برآورد الگوریتم های توزیع شده

چکیده

پیش بینی قابلیت اطمینان نرم افزار نقش بسیار مهمی در تجزیه و تحلیل کیفیت نرم افزار و تعادل هزینه نرم افزار بازی می کند. داده ها در طول چرخه حیات نرم افزار برای تجزیه و تحلیل و پیش بینی قابلیت اطمینان نرم افزار استفاده می شود. با این حال، پیش بینی پذیری قابلیت اطمینان نرم افزار با گذشت زمان بسیار دشوار است. به تازگی، رگرسیون بردار پشتیبان (SVR) به طور گسترده ای برای حل مشکلات پیش بینی غیر خطی در بسیاری از زمینه های کاربردی به کار رفته است و دارای عملکرد خوب در بسیاری از زمینه ها بوده است. با این حال هنوز بهینه سازی پارامترهای SSR مشکل است. پیش از این، برخی از الگوریتم های بهینه سازی برای پیدا کردن پارامترهای بهتر از SVR استفاده شده است، اما این الگوریتم  های موجود به طور کامل رضایت بخش نیست. در این مقاله، ما برای اولین بار برآورد الگوریتم های توزیع شده (EDA)  را به منظور حفظ تنوع جمعیت بهبود داده ایم، و پس از آن الگوریتم توزیع شده (IEDA) و مدل SVR، را ترکیب کرده ایم که مدل IEDA-SVR نامیده می شود،. IEDA برای بهینه سازی پارامترهای SVR، استفاده شده است و مدل IEDA-SVR برای پیش بینی نرم افزار قابلیت اطمینان استفاده می شود. ما مدل IEDA-SVR  را با دیگر مدل های قابلیت اطمینان نرم افزار با استفاده از مجموعه داده  شکست نرم افزار واقعی مقایسه کرده ایم. نتایج تجربی نشان می دهد که مدل IEDA-SVR عملکرد پیش بینی بهتری از سایر مدل ها دارند.

1-مقدمه

قابلیت اطمینان توانایی سیستم نرم افزار برای اجرا تحت شرایط اعلام نیاز برای یک دوره مشخص زمانی است، و آن یک ویژگی ذاتی بسیار مهم در مفهوم کیفیت نرم افزار است. ان به نقص و خطا متصل شده است. هر چه خطا بیشتر و بیشتر باشد، قابلیت اطمینان نرم افزار کاهش می یابد. قابلیت اطمینان نرم افزار به طور کلی با زمان تغییر  می کند، و این تغییرات را می توان به عنوان یک فرایند سری زمانی در نظر گرفت...