用于巴士因子估计的快速且精确的启发式方法

巴士因子是一个关键的风险指标，用于量化一个项目在核心知识或功能受损之前能够承受失去多少关键贡献者。尽管其具有重要的实践意义，但在既定的形式化定义下，精确计算巴士因子是NP-Hard问题，这使得对大型软件系统进行可扩展分析变得不可行。在本文中，我们将软件项目建模为开发者和任务的二分图，并针对两种有影响力的巴士因子形式化定义，提出了两种基于迭代图剥离的新型近似启发式方法：最小覆盖和最大覆盖。我们的方法显著优于广泛采用的基于度的启发式方法，我们证明后者可能产生严重高估的估计值。我们在超过1000个合成的幂律图上进行了全面的实证评估，并证明我们的启发式方法能提供更严格的估计，同时能在数分钟内扩展到具有数百万节点和边的图。我们的结果表明，所提出的启发式方法不仅更精确，而且对开发者-任务分配图中的结构变化具有鲁棒性。我们将实现作为开源软件发布，以支持未来的研究和实际应用。