Yapay Zeka Yöntemleri ile Yazılımların Maliyetlerinin Tahmin Edilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı Başkanlığı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Şükran EBREN KARA
Danışman: Rüya Şamlı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Yazılım maliyet tahmini, bir mühendisin yazılım projesini geliştirmeye başladığı esnada ihtiyaç duyduğu yaklaşık süre ve kaynakların tahminidir. Yazılım maliyet tahmini, yazılım projesinin maliyetini belirlemek ve müşteriyi ikna etmek için yazılım geliştirme sürecindeki en önemli aşamalardan birisidir. Gerçek maliyete en yakın maliyet tahminini yapmak hem yazılım geliştiricileri hem de müşteriler için çok büyük bir önem arz etmektedir. Çünkü yanlış yapılan yazılım maliyet tahminleri projelerin tamamlanamamasına ya da geniş bir zaman dilimine yayılmasına neden olmaktadır. Bu yüzden yazılım maliyet tahmini için literatürde çok farklı yöntem geliştirilmiştir. Bu tez çalışmasında, yazılım projelerinin maliyeti, Yapay Zekâ yöntemlerinden olan Makine Öğrenmesi (MÖ) kullanılarak Parçacık Sürü Optimizasyonu (PSO) ve Genetik Algoritmalarla (GA) öznitelik seçimi yapılarak tahmin edilmeye çalışılmıştır. Yazılım projesinin maliyet tahmini, WEKA (Waikato Environment for Knowledge Analaysis – Bilgi Analizi için Waikato Ortamı) veri madenciliği aracında bulunan algoritmaların çalıştırlması sonucu bulunmuştur. Algoritmalar 10 kat çapraz doğrulama tekniği ile PROMISE (Predictor Models in Software Engineering – Yazılım Mühendisliğinde Tahmin Modelleri) veri deposundan alınan 9 adet veri setine (COCOMO81, COCOMONASA, COCOMONASA2, China, Albrecht, Finnish, Kemerer, Maxwell, Miyazaki94) uygulanmış ve sonuçlar performans ölçütü korelasyon katsayısı, hata oranları MAE (Mean Absolute Error – Ortalama Mutlak Hata), RMSE (Root Mean Squared Error – Kök Ortalama Kare Hata), RAE (Relative Absolute Error – Bağıl Mutlak Hata), RRSE (Root Relative Squared Error – Kök Bağıl Kare Hata) ve MAPE (Mean Absolute Percentage Error – Ortalama Mutlak Hata Yüzdesi) baz alınarak değerlendirilmiştir.