基于搜索的軟件需求優(yōu)選關(guān)鍵技術(shù)研究
發(fā)布時間:2020-11-13 22:38
軟件企業(yè)在規(guī)劃軟件的下一版本時,面臨一系列候選需求,每個需求的實現(xiàn)都需要一定的開發(fā)成本。每位雇主在自己感興趣的需求被實現(xiàn)的同時,為軟件企業(yè)帶來了相應的收益。隨著基于互聯(lián)網(wǎng)軟件開發(fā)模式的日益普遍,軟件產(chǎn)業(yè)進入了加速創(chuàng)新、快速迭代的爆發(fā)期,需要快速捕捉、優(yōu)選和響應雇主需求,然而軟件系統(tǒng)規(guī)模、應用和客戶規(guī)模的不斷擴大,使得需求數(shù)量急劇增大,開發(fā)人員對需求收集分析過程的重視和強調(diào),又導致需求之間往往出現(xiàn)重復和相互依賴,這些都增大了后續(xù)需求分析的工作量和難度,急需研究快速捕捉、優(yōu)選和響應雇主需求的關(guān)鍵技術(shù),在充分獲取軟件需求的基礎上,以及固定成本預算的前提下,從千差萬別的需求中準確地獲取核心需求,快速去除重復和不真正需要的需求,既盡可能提高雇主的滿意度,又確保有足夠的資源來實現(xiàn)選定的需求,從而獲得最大收益,并提高軟件系統(tǒng)的完整性和健壯性。本文在歸納總結(jié)目前主流的需求優(yōu)選技術(shù)的基礎上,分析了需求優(yōu)選領域亟需解決的四個關(guān)鍵問題:(1)大規(guī)模需求的消冗和聚類問題;(2)多雇主沖突的需求優(yōu)選問題;(3)需求間依賴限制的問題;(4)需求變更的管理問題,針對這些問題開展了以下四方面的研究工作。為了解決大規(guī)模需求的消冗和聚類問題,提出了一種基于Word Embedding的需求語義理解和超圖分割的需求消冗和聚類方法。首先運用Word Embedding方法對需求深層次語義進行理解,將自然語言表示的需求進行向量化處理。在此基礎上,采用基于超圖分割的聚類方法對需求進行聚類,將每一個需求向量看作一個頂點,進行超圖構(gòu)造、分割、聚類。然后進行去冗余處理,對基于Word Embedding需求向量的余弦相似度進行計算比較,達到某一設定閾值時,則認為這兩個需求實際上在表述同一件事件,可以去掉一個。實驗結(jié)果表明本文提出的方法聚類結(jié)果的平均F值和最高F值均明顯優(yōu)于三類基線方法。為了解決多雇主沖突的需求優(yōu)選問題,對軟件工程中存在的多雇主需求優(yōu)選問題進行建模分析,將多雇主需求優(yōu)選問題轉(zhuǎn)化為多目標優(yōu)化問題,提出了一種基于存檔NSGA-II算法的需求優(yōu)選方法。一方面,針對以往多目標優(yōu)化方法計算復雜度高、搜索效率低的問題,通過引入NSGA-II算法降低了多雇主優(yōu)化目標的計算復雜度。另一方面,通過文檔記錄每一次迭代的非支配性解集,大幅度減少精英解集在迭代過程中的流失,取得了較好的需求優(yōu)選效果。實驗結(jié)果表明,本文提出的需求優(yōu)選方法,能夠在資源和成本的限制下,求解一個令盡可能多雇主滿意的需求集合。為了解決需求間依賴限制的問題,通過對軟件工程中存在的需求依賴類型進行建模分析,提出了一種基于A*剪枝的需求優(yōu)選方法,設計了能評估潛在價值比的啟發(fā)函數(shù),運用拓撲排序、啟發(fā)式搜索方法和剪枝方法,通過溢出-剪枝過程,在滿足需求依賴、雇主滿意度和成本限制條件下,優(yōu)選出滿足依賴關(guān)系、高價值比的需求集合。實驗結(jié)果顯示,無論是在成本限定條件下軟件系統(tǒng)達到的最大價值,還是在實現(xiàn)一定價值目標所需的最小資源上,A*剪枝方法均好于基于寬度優(yōu)先、基于深度優(yōu)先、基于代價一致、基于貪婪算法和基于A*算法的優(yōu)選方法。為了解決需求變更管理的問題,對需求分析階段的軟件需求變更管理進行研究,提出了一種基于納什均衡的變更管理策略。首先,分析了雇主提出需求變更要求的納什均衡模型,為開發(fā)者應該在何種情況下做出局部或整體調(diào)整提供了參考。其次,針對如何找到一個可以平衡雇主滿意度與開發(fā)成本的整體調(diào)整方案,建立了尋找最優(yōu)整體調(diào)整方案的數(shù)學模型,分析了在該模型下整體調(diào)整方案確定過程中的博弈機制,最終在納什均衡原理的指導下提出了一種高效的整體調(diào)整方案確定方法。實驗結(jié)果表明,該方法能在線性時間內(nèi)有效地激勵或者抑制需求變更。綜上,針對需求優(yōu)選領域有待解決的關(guān)鍵問題,進行了以上四方面的研究工作,在需求優(yōu)選方面進行了有意義的探索。
【學位單位】:哈爾濱工業(yè)大學
【學位級別】:博士
【學位年份】:2018
【中圖分類】:TP311.5
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.1.1 課題背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 面向大規(guī)模需求的聚類方法研究現(xiàn)狀
1.2.2 基于搜索的多雇主需求優(yōu)選方法研究現(xiàn)狀
1.2.3 具有依賴關(guān)系的需求優(yōu)選方法研究現(xiàn)狀
1.2.4 需求變更管理方法研究現(xiàn)狀
1.3 需求優(yōu)選領域的關(guān)鍵問題
1.3.1 解決大規(guī)模需求的聚類問題
1.3.2 解決多雇主沖突的問題
1.3.3 處理需求依賴與需求優(yōu)選之間的沖突問題
1.3.4 解決需求變更方案優(yōu)選的問題
1.4 本文的主要研究內(nèi)容和組織結(jié)構(gòu)
1.4.1 研究內(nèi)容
1.4.2 組織結(jié)構(gòu)
第2章 面向大規(guī)模需求的消冗和聚類方法研究
2.1 引言
2.2 相關(guān)工作
2.3 本章的解決思路
2.4 面向大規(guī)模需求的消冗
2.4.1 需求消冗的基本流程
2.4.2 Word Embedding簡介
2.4.3 基于自然語言處理技術(shù)的需求消冗
2.5 基于超圖分割的需求聚類方法
2.5.1 超圖
2.5.2 超圖聚類
2.5.3 需求聚類過程
2.6 實驗結(jié)果與分析
2.6.1 評價指標
2.6.2 基線方法
2.6.3 聚類數(shù)量預估
2.6.4 需求消冗閾值確定
2.6.5 結(jié)果分析
2.7 本章小結(jié)
第3章 基于存檔NSGA-Ⅱ的多雇主需求優(yōu)選
3.1 引言
3.2 相關(guān)工作
3.3 多雇主需求優(yōu)選問題的形式化描述
3.4 本章的解決思路
3.5 NSGA-Ⅱ算法簡介
3.5.1 Pareto最優(yōu)解
3.5.2 遺傳算法基本思想
3.5.3 非支配排序遺傳算法基本思想
3.5.4 帶精英策略的非支配排序遺傳算法基本思想
3.6 基于存檔NSGA-Ⅱ的需求優(yōu)選算法
3.6.1 快速非支配排序算子
3.6.2 個體擁擠度距離算子設計
3.6.3 精英策略選擇算子設計
3.6.4 算法的具體實現(xiàn)
3.7 實驗結(jié)果與分析
3.7.1 實驗數(shù)據(jù)
3.7.2 需求優(yōu)選結(jié)果評價方法
3.7.3 結(jié)果分析
3.8 本章小結(jié)
第4章 基于A*剪枝的需求依賴關(guān)系建模和需求優(yōu)選
4.1 引言
4.2 相關(guān)工作
4.3 本章的解決思路
4.4 需求依賴關(guān)系的建模
4.4.1 需求依賴的有向圖模型
4.4.2 相互依賴及環(huán)依賴消除
4.4.3 拓撲排序
4.5 基于A*剪枝算法的需求優(yōu)選算法
4.5.1 A*算法簡介
4.5.2 需求節(jié)點啟發(fā)值設置
4.5.3 基于A*搜索算法的需求優(yōu)選過程
4.5.4 需求優(yōu)選集合的溢出與剪枝優(yōu)化過程
4.5.5 案例分析
4.6 實驗結(jié)果與分析
4.6.1 實驗數(shù)據(jù)
4.6.2 評價指標
4.6.3 實驗對比方法
4.6.4 結(jié)果分析
4.7 本章小結(jié)
第5章 基于納什均衡的需求變更管理策略
5.1 引言
5.2 相關(guān)工作
5.3 本章解決思路
5.4 面向需求變更的納什均衡模型構(gòu)建
5.4.1 納什均衡的基本思想
5.4.2 基于納什均衡條件的需求變更方案優(yōu)劣評價
5.4.3 納什均衡評價函數(shù)參數(shù)確定
5.4.4 基于納什均衡優(yōu)選的可行性驗證
5.5 基于納什均衡的需求變更管理算法
5.5.1 系統(tǒng)開發(fā)者的博弈策略
5.5.2 雇主與開發(fā)者的博弈與納什均衡
5.5.3 需求變更管理策略
5.5.4 案例分析
5.6 實驗結(jié)果與分析
5.6.1 實驗數(shù)據(jù)
5.6.2 實驗設置
5.6.3 結(jié)果分析
5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文及其它成果
致謝
個人簡歷
【參考文獻】
本文編號:2882738
【學位單位】:哈爾濱工業(yè)大學
【學位級別】:博士
【學位年份】:2018
【中圖分類】:TP311.5
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.1.1 課題背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 面向大規(guī)模需求的聚類方法研究現(xiàn)狀
1.2.2 基于搜索的多雇主需求優(yōu)選方法研究現(xiàn)狀
1.2.3 具有依賴關(guān)系的需求優(yōu)選方法研究現(xiàn)狀
1.2.4 需求變更管理方法研究現(xiàn)狀
1.3 需求優(yōu)選領域的關(guān)鍵問題
1.3.1 解決大規(guī)模需求的聚類問題
1.3.2 解決多雇主沖突的問題
1.3.3 處理需求依賴與需求優(yōu)選之間的沖突問題
1.3.4 解決需求變更方案優(yōu)選的問題
1.4 本文的主要研究內(nèi)容和組織結(jié)構(gòu)
1.4.1 研究內(nèi)容
1.4.2 組織結(jié)構(gòu)
第2章 面向大規(guī)模需求的消冗和聚類方法研究
2.1 引言
2.2 相關(guān)工作
2.3 本章的解決思路
2.4 面向大規(guī)模需求的消冗
2.4.1 需求消冗的基本流程
2.4.2 Word Embedding簡介
2.4.3 基于自然語言處理技術(shù)的需求消冗
2.5 基于超圖分割的需求聚類方法
2.5.1 超圖
2.5.2 超圖聚類
2.5.3 需求聚類過程
2.6 實驗結(jié)果與分析
2.6.1 評價指標
2.6.2 基線方法
2.6.3 聚類數(shù)量預估
2.6.4 需求消冗閾值確定
2.6.5 結(jié)果分析
2.7 本章小結(jié)
第3章 基于存檔NSGA-Ⅱ的多雇主需求優(yōu)選
3.1 引言
3.2 相關(guān)工作
3.3 多雇主需求優(yōu)選問題的形式化描述
3.4 本章的解決思路
3.5 NSGA-Ⅱ算法簡介
3.5.1 Pareto最優(yōu)解
3.5.2 遺傳算法基本思想
3.5.3 非支配排序遺傳算法基本思想
3.5.4 帶精英策略的非支配排序遺傳算法基本思想
3.6 基于存檔NSGA-Ⅱ的需求優(yōu)選算法
3.6.1 快速非支配排序算子
3.6.2 個體擁擠度距離算子設計
3.6.3 精英策略選擇算子設計
3.6.4 算法的具體實現(xiàn)
3.7 實驗結(jié)果與分析
3.7.1 實驗數(shù)據(jù)
3.7.2 需求優(yōu)選結(jié)果評價方法
3.7.3 結(jié)果分析
3.8 本章小結(jié)
第4章 基于A*剪枝的需求依賴關(guān)系建模和需求優(yōu)選
4.1 引言
4.2 相關(guān)工作
4.3 本章的解決思路
4.4 需求依賴關(guān)系的建模
4.4.1 需求依賴的有向圖模型
4.4.2 相互依賴及環(huán)依賴消除
4.4.3 拓撲排序
4.5 基于A*剪枝算法的需求優(yōu)選算法
4.5.1 A*算法簡介
4.5.2 需求節(jié)點啟發(fā)值設置
4.5.3 基于A*搜索算法的需求優(yōu)選過程
4.5.4 需求優(yōu)選集合的溢出與剪枝優(yōu)化過程
4.5.5 案例分析
4.6 實驗結(jié)果與分析
4.6.1 實驗數(shù)據(jù)
4.6.2 評價指標
4.6.3 實驗對比方法
4.6.4 結(jié)果分析
4.7 本章小結(jié)
第5章 基于納什均衡的需求變更管理策略
5.1 引言
5.2 相關(guān)工作
5.3 本章解決思路
5.4 面向需求變更的納什均衡模型構(gòu)建
5.4.1 納什均衡的基本思想
5.4.2 基于納什均衡條件的需求變更方案優(yōu)劣評價
5.4.3 納什均衡評價函數(shù)參數(shù)確定
5.4.4 基于納什均衡優(yōu)選的可行性驗證
5.5 基于納什均衡的需求變更管理算法
5.5.1 系統(tǒng)開發(fā)者的博弈策略
5.5.2 雇主與開發(fā)者的博弈與納什均衡
5.5.3 需求變更管理策略
5.5.4 案例分析
5.6 實驗結(jié)果與分析
5.6.1 實驗數(shù)據(jù)
5.6.2 實驗設置
5.6.3 結(jié)果分析
5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文及其它成果
致謝
個人簡歷
【參考文獻】
相關(guān)期刊論文 前5條
1 李天潁;劉璘;趙德旺;曹原;;一種基于依存文法的需求文本策略依賴關(guān)系抽取方法[J];計算機學報;2013年01期
2 羅術(shù)通;張長海;金英;劉元寧;;通過需求依賴判定橫切關(guān)注點[J];吉林大學學報(工學版);2011年04期
3 趙君莉;楊善學;王宇平;;改進的非支配排序遺傳算法INSGA-II[J];西安科技大學學報;2006年04期
4 張建英;博弈論的發(fā)展及其在現(xiàn)實中的應用[J];理論探索;2005年02期
5 黃聰明,陳湘秀;小生境遺傳算法的改進[J];北京理工大學學報;2004年08期
相關(guān)博士學位論文 前1條
1 古萬榮;基于超圖模型的新聞推薦研究[D];華南理工大學;2015年
本文編號:2882738
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2882738.html
最近更新
教材專著