پيش بيني قابليت اطمينان نرم افزار با استفاده از تركيب شبكه عصبي و روش هاي آماري

تجربه چند دهه اخير در صنايع اين واقعيت را نشان ميدهد كه يكي از مؤثرترين عوامل در بهبود شرايط صنعتي، بحث قابليت اطمينان نرمافزار است. كاربرد شبكههاي هوشمند و هيبريد عصبي به جاي روشهاي آماري سنتي بهبود قابل توجهي در پيشبيني قابليت اطمينان نرمافزار را در سالهاي اخير، ايجاد كرده است. شبكه عصبي توانايي بالايي در پيشبيني دارد و ميتوان از آن در پيشبيني وضعيت آتي خطاهاي نرمافزاري استفاده نمود. در اين مقاله، روشي براي پيشبيني قابليت اطمينان نرمافزار با استفاده از تركيب شبكه عصبي و الگوريتم ژنتيك ارائه ميشود. هدف ارائه ساختاري است كه بهسادگي قابل پيادهسازي و تعميم باشد. نتايج مدل ارائه شده با نتايج مقالات معتبر مورد مقايسه قرار گرفت. نتايج به دست آمده نشان ميدهد با انتخاب الگوريتم بهينهسازي مناسب و تركيب آن با شبكه عصبي ميتوان خطاي آموزش شبكه را به ميزان قابلتوجهي كاهش داد. مقدار مجذور ميانگين مربعات خطا به عنوان شاخص اندازهگيري مورد استفاده قرار گرفت و نتايج به دست آمده عدد 0/102را براي روش پيشنهادي در بهترين حالت نشان ميدهد.