[发明专利]软件质量影响因素确定方法、装置、设备和存储介质

权利要求书

1.一种软件质量影响因素确定方法，其特征在于，所述方法包括：

对目标软件质量的影响因素进行相关性分析，获取所述影响因素与软件的缺陷数量之间的相关性值，并通过所述相关性值、所述目标软件质量的影响因素的历史参数值和各历史参数值所属软件版本的历史软件缺陷数量确定模型样本数据集；

基于所述模型样本数据集，构建所述目标软件的缺陷预测模型；所述缺陷预测模型用于根据软件质量的影响因素的参数值预测对应的软件缺陷数量；

采用预设的优化算法模型，求取所述缺陷预测模型输出的软件缺陷数量的最小值；所述优化算法模型为所述缺陷预测模型的优化模型；

根据所述软件缺陷数量的最小值，确定所述目标软件质量的影响因素的目标参数值；

其中，；式中参数a为影响因素，参数b为影响因素a所属版本的软件缺陷数量，为参数a中的实际值，为参数b中的实际值，为参数a的平均值，为参数b的平均值，为参数a和b的相关性值。

2.根据权利要求1所述的方法，其特征在于，所述根据目标软件质量的影响因素的历史参数值，构建所述目标软件的缺陷预测模型，包括：

获取所述影响因素的历史参数值和各历史参数值所属软件版本的历史软件缺陷数量；

从所述影响因素的历史参数值和所述历史软件缺陷数量中确定模型样本数据集；

根据所述模型样本数据集构建所述缺陷预测模型。

3.根据权利要求2所述的方法，其特征在于，所述从所述影响因素的历史参数值和所述历史软件缺陷数量中确定模型样本数据集，包括：

对所述影响因素进行相关性分析，获取所述影响因素与软件的缺陷数量之间的相关性值；

将所述相关性值大于预设阈值的影响因素确定为样本影响因素；

将所述样本影响因素的历史参数值和所述样本影响因素所属软件版本的历史软件缺陷数量，确定为所述模型样本数据集。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述采用预设的优化算法模型，求取所述缺陷预测模型输出的软件缺陷数量的最小值，包括：

将所述缺陷预测模型作为所述优化算法模型的适应度函数；所述优化算法模型中包括决策变量的范围和移动速度，所述决策变量为所述软件质量的影响因素中的参数值为非固定值的影响因素；

初始化所述优化算法模型的优化参数；

基于所述初始化的优化参数，迭代更新所述决策变量的范围和移动速度，直至迭代收敛，得到所述软件缺陷数量的最小值。

5.根据权利要求4所述的方法，其特征在于，所述优化参数包括初始全局最佳位置、初始个体最佳位置；

则所述基于所述初始化的优化参数，迭代更新所述决策变量的范围和移动速度，直至迭代收敛，得到所述软件缺陷数量的最小值，包括：

基于所述初始全局最佳位置和初始个体最佳位置，迭代更新所述决策变量的范围和移动速度，直至迭代收敛，得到目标全局最佳位置；

将得到所述目标全局最佳位置时，所述缺陷预测模型中的输出值确定为所述软件缺陷数量的最小值。

6.根据权利要求5所述的方法，其特征在于，所述基于所述初始全局最佳位置和初始个体最佳位置，迭代更新所述决策变量的范围和移动速度，直至迭代收敛，得到目标全局最佳位置，包括：

以初始全局最佳位置和初始个体最佳位置为初始值，更新所述决策变量的范围和移动速度；

根据所述更新后的决策变量的范围和移动速度，计算每个更新后的决策变量在所述缺陷预测模型中的输出值，并比较所有输出值，确定当前次的全局最佳位置；

若达到预设的迭代收敛条件，确定所述当前次的全局最佳位置为所述目标全局最佳位置；

若未达到所述迭代收敛条件，继续获取下一次的全局最佳位置，直至达到所述迭代收敛条件，得到所述目标全局最佳位置。

7.根据权利要求6所述的方法，其特征在于，所述优化参数还包括初始迭代索引、迭代最大次数、初始停止索引、最大停止索引；

则所述迭代收敛条件包括：所述初始迭代索引达到所述迭代最大次数，或者所述初始停止索引达到所述最大停止索引。