软件工作量估计为何需要 SBSE
软件工程
2018-04-03 v1
摘要
工业从业者现在面临着令人眼花缭乱的、用于工作量估计的可能配置。如何为特定数据集选择最佳配置？本文介绍 OIL（优化学习之简称），一种基于差分进化的工作量估计新型配置工具。在 945 个软件项目上测试时，OIL 在仅探索少量配置（仅数十个）后便显著改善了工作量估计。此外，OIL 的结果远优于两种广泛使用的方法：类比估计以及 Whigham 等人发表于 TOSEM'15 的最近最先进基线。鉴于该方法计算成本极低且观测到的改进极大，我们得出结论：SBSE 应成为软件工作量估计的标准组成部分。
引用
@article{arxiv.1804.00626,
title = {Why Software Effort Estimation Needs SBSE},
author = {Tianpei Xia and Jianfeng Chen and George Mathew and Xipeng Shen and Tim Menzies},
journal= {arXiv preprint arXiv:1804.00626},
year = {2018}
}
备注
15 pages, submitted to SSBSE'18