[发明专利]基于BP网络的软件工时估算方法

摘要

本发明公开一种基于BP网络的软件工时估算方法，BP网络采用四层结构，将软件项目工作量分解为基本工作量后作为BP网络的输入层，通过训练样本对BP网络进行训练以达到连接权值的合理设置，在各连接权值确定后，就可通过该BP网络对未来软件项目进行工时估算；本发明能合理估算软件项目的工时，智能化程度高。

主权项

1.一种基于BP网络的软件工时估算方法，其特征在于包含以下过程：1）建立软件工作量的BP网络模式库（a）所述BP网络的网络拓扑结构选择，所述BP网络采用四层结构，即输入层、第一隐含层、第二隐含层、输出层；（b）将软件项目按照基本工作内容进行分解，得到各个基本工作内容的工作量；将各基本工作内容的工作量按照预定的顺序组成一个矢量(x₁,x₂,...,x_n)，并在该矢量前加上一个值为1的分量，得到矢量x=(1,x₁,...,x_n)作为BP网络的输入层；通过下述计算，得到所述第一隐含层的输出xj(1)=f1(Σi=0nwijxi)---(1)]]>f1(x)=11+e-x---(2)]]>式中，i,j=0,1，…，n，w_ij为输入层到第一隐含层的连接权值,f₁(x)为将赋值为1，得到矢量作为第二隐含层的输入，通过下述计算，得到所述第二隐含层的输出xk(2)=f2(Σj=0n1wjk(1)xj(1))---(3)]]>f2(x)=11+e-x---(4)]]>式中，k=0,1，…，n₁,为第一隐含层到第二隐含层的连接权值将赋值为1，得到矢量作为输出层的输入，通过下述计算，得到所述输出层的输出y=(y₁,y₂,...,y_m)，yl=f3(Σk=0n2wkl(2)xk(2))---(5)]]>f3(x)=1,if11+e-x≥0.50,if11+e-x<0.5---(6)]]>式中，l=0,1，…，n₂,为第二隐含层到输出层的连接权值y代表了一串长度为m的二进制数，将该二进制数转换为十进制数，得到对该软件项目的工时估计量；2）将收集到的已完成的各个软件项目作为真实样本数据，对所述BP网络施行反向传播训练，来迭代调整各层的连接权值，使其逐步趋向合理并最终逼近真实情况，从而确定各层的连接权值w_ij、具体包含以下过程：（c）从所述真实样本数据中提取2个矢量，一个矢量是x_i=(1,x₁,...,x_n)，矢量中的分量x₁,x₂,...,x_n对应项目在每一基本工作内容上的工作量，另一个矢量是t_i=(t₁,t₂,...,t_m)对应项目实际所耗工时，所述矢量t_i=(t₁,t₂,...,t_m)是所耗工时转换成的二进制数序列；（d）对于单个训练样本x_j和t_j，网络的实际输出y_j与期望输出t_j之间的方差为对于N个样本，则总的方差为定义如下：ϵj=ϵ(W,xj,tj)=12||tj-yj||2=12Σl=1m(tjl-yjl)2---(7)]]>ET=Σj=1Nϵj=12Σj=1NΣl=1m(tjl-yjl)2---(8)]]>采用梯度下降法迭代调整各个连接权值w_ij、使得E_T向零的方向逼近，所述梯度下降法的各个连接权值w_ij、由下述给出：wkl(2)(s+1)=wkl(2)(s)+ηΣr=1Nδrklxrk(2)---(11)]]>wjk(1)(s+1)=wjk(1)(s)+ηΣr=1Nδrjkxrj(1)---(12)]]>wij(s+1)=wij(s)+ηΣr=1Nδrijxri---(13)]]>式中s代表迭代次数；（e）对于N个真实样本数据，得到2个集合{x_j}_j=1,2,...,N和{t_j}_j=1,2,_...,N，确定一个较小的数λ，对网络各层连接设置初始的权值。于是训练过程由下述两个步骤反复交替进行，直到网络实际输出与期望输出的总误差E_T小于λ为止：（e1）对集合{x_j}_j=1,2,...,N中每一样本数据x_r，将其作为网络的输入，依照网络当前连接权值，按照式(2)、(3)、(4)计算每一隐含层神经元输出值和（这里r为样本序号，i为神经元在所处层的排列序号，上标的1和2分别表示第一和第二隐含层）及输出矢量y_r，对所有样本的输出矢量{y_j}_j=1,2,...,N，结合样本数据{t_j}_j=1,2,...,N，按照式(7)、(8)计算E_T，如果E_T<λ，则训练过程结束，当前网络的连接权值作为最终的权值；如果E_T≥λ，则执行第2步骤；（e2）由（e1）得到的矢量集合{y_j}_j=1,2,...,N，结合样本数据{t_j}_j=1,2,...,N，在网络当前连接按照从输出层到输入层的方向分别按式(16)、(20)、(21)调整各层的连接权值，然后转（e1）。