الگوريتم تركيبي برپايه شبكه عصبي و الگوريتم علف هاي هرز مهاجم جهت پيش بيني نقص نرم افزار

تشخيص خطاهاي نرم افزار يكي از بزرگترين چالش هاي توسعه نرم افزار است. پيش بيني نقص نرم افزار , يك زمينه مهم در پژوهش هاي كيفيت نرم افزاري است كه باعث صرفه جويي در زمان و هزينه مي شود.شبكه عصبي پرسپترون چندلايه به همراه الگوريتم آموزشي پس انتشار خطا, به طور معمول براي حل مسائل دسته بندي , پيش بيني و مسائل محاسباتي گوناگون به كار مي رود. ايراد اصلي الگوريتم آموزشي پس انتشار خطا اين است كه به دليل وجود مينيمم هاي محلي زيادي در فضاي راه حل, امكان به دام افتادن الگوريتم آموزش شبكه عصبي در مينيمم هاي محلي وجود دارد كه در نتيجه منجر به كاهش كارايي شبكه عصبي در فرآيند پيش بيني مي گردد. در اين تحقيق به منظور غلبه بر اين مشكل , الگوريتم علف هاي هرز به همراه الگوريتم آموزشي پس انتشار خطا جهت آموزش شبكه عصبي پرسپترون چند لايه به منظور انجام پيش بيني نقص نرم افزار به كار رفته است.سپس كارايي الگوريتم مطرح شده در مقابل الگوريتم هاي رايج مقايسه شده است. نتايج به دست آمده نشان دهنده ي برتري الگوريتم پيشنهادي نسبت به سه الگوريتم ديگر مي باشد.