[論文レビュー] Optimized Fuzzy Logic Based Framework for Effort Estimation in Software Development

Vishal S. Sharma, Harsh Kumar Verma|arXiv (Cornell University)|Apr 19, 2010

Software Engineering Research参考文献 20被引用数 32

ひとこと要約

本論文では、COCOMOのような従来のモデルにおける曖昧性を解消することを目的として、最適化されたファジィ論理フレームワークを提案する。サイズ、開発モード、コストドライバーをファジィ化することで、モデルは精度を向上させ、専門家知識を統合し、解釈可能なルールによる透明性を確保するとともに、新しいデータに適応可能となり、早期段階の努力推定における不確実性や曖昧性の取り扱いにおいて、従来のアプローチを凌駆する。

ABSTRACT

Software effort estimation at early stages of project development holds great significance for the industry to meet the competitive demands of today's world. Accuracy, reliability and precision in the estimates of effort are quite desirable. The inherent imprecision present in the inputs of the algorithmic models like Constructive Cost Model (COCOMO) yields imprecision in the output, resulting in erroneous effort estimation. Fuzzy logic based cost estimation models are inherently suitable to address the vagueness and imprecision in the inputs, to make reliable and accurate estimates of effort. In this paper, we present an optimized fuzzy logic based framework for software development effort prediction. The said framework tolerates imprecision, incorporates experts knowledge, explains prediction rationale through rules, offers transparency in the prediction system, and could adapt to changing environments with the availability of new data. The traditional cost estimation model COCOMO is extended in the proposed study by incorporating the concept of fuzziness into the measurements of size, mode of development for projects and the cost drivers contributing to the overall development effort.

研究の動機と目的

• COCOMOのような従来のソフトウェア努力推定モデルの入力パラメータに内在する曖昧性を解消すること。
• ファジィ論理を用いた不確実性のモデル化により、推定の精度と信頼性を向上させること。
• 努力推定のための解釈可能でルールベースの推論を可能にする専門家知識の統合と透明性の確保。
• 新しいデータに適応可能な推定モデルの柔軟性を確保すること。
• サイズ、開発モード、コストドライバーにファジィ性を統合することでCOCOMOモデルを拡張すること。

提案手法

• 言語変数と所属関数を用いて、ソフトウェアサイズ、開発モード、コストドライバーといった重要な入力をファジィ化する。
• 専門家知識から導出された包括的なルールベースを定義し、ファジィ入力を努力推定値にマッピングする。
• ファジィ推論システム（Mamdaniまたは類似手法）を適用し、ファジィルールと論理演算に基づいて出力努力を計算する。
• 繰り返しチューニングを用いて所属関数とルールベースを最適化し、予測精度を向上させる。
• 新しいデータをシステムに統合し、ファジィモデルの動的適応と改善を可能にする。
• 曖昧性のより良い取り扱いを実現するため、COCOMOモデルを拡張し、クリップ値の代わりにファジィ表現を導入する。

実験結果

リサーチクエスチョン

• RQ1 ファジィ論理は、ソフトウェア努力推定における曖昧な入力によって生じる推定誤差をどのように効果的に低減できるか？
• RQ2 専門家知識は、努力推定のためのファジィ推論システムにどの程度体系的に統合可能か？
• RQ3 ファジィ論理フレームワークは、努力推定意思決定の透明性と解釈可能性をどのように提供できるか？
• RQ4 提案されたフレームワークは、新しいデータと変化するプロジェクト環境にどのように適応するか？
• RQ5 最適化されたファジィモデルは、従来のCOCOMOに比べて推定精度の面でどの程度の性能向上を達成するか？

主な発見

• 提案されたファジィ論理フレームワークは、サイズ、開発モード、コストドライバーにおける不確実性のモデル化により、推定誤差を顕著に低減した。
• ルールベースのシステムによる専門家知識の統合により、努力推定の信頼性と解釈可能性が向上した。
• ユーザーが特定の言語的ルールや所属関数にさかのぼって予測の根拠を追跡できるため、モデルは透明性を提供する。
• フレームワークは新しいデータへの適応性を示し、継続的な改善と推定値の動的更新を可能にした。
• 最適化されたファジィモデルは、曖昧さや曖昧性の取り扱いにおいて従来のCOCOMOを上回り、早期開発段階におけるより正確な努力推定を実現した。
• 本研究は、入力パラメータのファジィ化が、より現実的で頑健な努力推定結果をもたらすことを確認した。