WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

Глава вторая. Поскольку различные авторы используют для обозначения одних и тех же понятий различные термины, проводят выбор моделей на различных множествах характеристик, по разному шкалируют их значения, определение функции выбора модели на основе простой интеграции сведений, содержащихся в анализируемых публикациях, невозможно.

При определении функции выбора модели процесса разработки ПИ в работе использовалась следующая схема анализа материалов:

1. Формирование исходных множеств моделей (Y) и характеристик (X) путем объединения соответствующих множеств, упомянутых в публикациях:

Y = {y: (yiY, yjY) yi yj yi = yj} (то же для X).

2. Формирование множеств оригинальных моделей (Y) и характеристик (X) на основании анализа элементов исходных множеств (Y, X) — множеств, в которых каждому объекту сопоставлено только одно имя:

Y = {y: (y Y, y Y) y y }, YY (то же для X).

i j i j 3. Формирование множеств используемых моделей (Y) и характеристик (X) на основании применения ограничений, которым должны удовлетворять модели (KY) и характеристики (KX):

Y = {yY: KY}, YY (то же для X).

4. Формирование правила соответствия между характеристиками проектов разработки ПИ и моделями процесса разработки (осуществляется на основании рекомендаций методик):

(xXF) (yYF) [xFy], XF X, YF Y.

5. Исследование полученной функции (доопределение, однозначность):

(x XF) (y1, y2 YF) [xFy1 xFy2 y1=y2].

6. Расширение области определения функции и исследование на однозначность.

(x XF) (y YF) [xFy], XF XF, (x XF) (y1, y2 YF) [xFy1 xFy2 y1=y2].

Ограничения, на основании которых формировалось множество используемых моделей для организаций-разработчиков рассматриваемого класса (KY): соответствие возможностей, предоставляемых моделями процесса разработки требованиям современного уровня производства;

технологическая «различимость» рассматриваемых моделей; соответствие задач, решаемых с помощью модели разработки, задачам, решаемым организациями рассматриваемого класса и т.д.

Ограничения, на основании которых формировалось множество используемых характеристик (KX): наличие информации о влиянии характеристики на выбор модели процесса разработки программного изделия; наличие более чем одной модели, на выбор которой характеристика оказывает влияние; различимость характеристики на данном этапе исследования.

Результаты выполнения этапов анализа представлены в табл. 1.

Таблица 1.

Изменения множеств моделей и характеристик в ходе анализа Количество элементов в рассматриваемом множестве Результаты выполнения этапов модели процессов характеристики разработки проекта Исходное множество 41 Оригинальное множество 26 Используемое множество 14 Область функции выбора 12 Область изменения функции выбора представлена 12-ю моделями:

классическая каскадная модель, каскадная модель с перекрывающимися процессами, V-образная модель, каскадная модель с подпроцессами, каскадно-возвратная модель, модель ХР, эволюционное прототипирование, экспериментальное прототипирование, модель RAD, пошаговая модель, спиральная модель, сборочное программирование.

Среди наиболее значимых характеристик области определения функции можно назвать: критичность, оригинальность, размер и сложность изделия; полноту описания требований, динамику и величину вносимых изменений; степень соответствия традиционной модели приобретения ПО;

бюджет, напряженность графика, доступность ресурсов; доступность заказчика; число и квалификацию разработчиков.

Значения характеристик функции выбора измеряются в номинальной шкале и задаются в виде «низкая», «высокая» (для определения критичности продукта), «малая», «средняя», «высокая», «очень высокая» (для определения оригинальности изделия) и т.д.

Анализ значений характеристик в таблице, задающей функцию выбора (базовые значения), показал возможность расширения области определения функции за счет значений характеристик, являющихся допустимыми для той или иной модели процесса разработки. Например, «оригинальность создаваемого изделия» для спиральной модели имеет базовое значение «высокая», однако, ничто не мешает использовать спиральную модель и при средней оригинальности — данное значение характеристики рассматривается как допустимое.

Проведенные исследования подтвердили однозначность, как и исходной функции, так и функции выбора с расширенной областью определения (далее именно эта функция рассматривается в качестве функции выбора).

Формализация описания моделей процесса разработки ПИ в пространстве характеристик обеспечивает необходимые условия для разработки метода выбора модели процесса разработки ПИ.

Глава третья. В третьей главе рассматриваются вопросы, связанные с созданием метода выбора модели процесса разработки ПИ по характеристикам инициируемого проекта.

Формулируются условия, обеспечивающие реализацию требования максимального учета неформализуемых и плохо формализуемых предметных знаний ЛПР в процессе решения:

1. Размерность решаемой задачи не должна превышать возможностей ЛПР в задачах принятия решений — условие, ограничивающее мощность множества объектов, с которыми единовременно может оперировать ЛПР в процессе реализации метода (7±2 блоков, структурных единиц информации).

2. Операции, связанные с переработкой информации, выполняемые ЛПР в процессе реализации метода, не должны превосходить некоторого определенного в существующих исследованиях порога сложности — условие, ограничивающее множество используемых операций. В основу метода положен принцип последовательной детализации предметной информации, вовлекаемой в процесс решения от множества характеристик, описывающих проект в целом на начальном этапе решения до комбинаций и значений отдельных характеристик на заключительном этапе.

3. Алгоритм, формирующий множество рекомендуемых альтернатив, представляемых ЛПР для принятия окончательного решения, должен быть интуитивно понятен пользователю.

Дискретность и конечность множеств, используемых в процессе выбора модели, позволяют применить для решения задачи формирования множества рекомендуемых моделей один из алгоритмов теории распознавания образов. Сопоставление информации о существующих методах распознавания с особенностями решаемой задачи, а также необходимость реализации требования интуитивной понятности приводит к выводу о целесообразности использования алгоритма, основанного на вычислении оценок, в качестве алгоритма, обеспечивающего формирование множества рекомендуемых моделей.

Определим некоторые понятия.

Опорное множество (Si) — некоторое подмножество характеристик, используемое для оценивания близости инициируемого проекта с проектами, описываемыми таблицей, задающей функцию выбора (эталонными проектами).

Система опорных множеств (SA) — совокупность опорных множеств, задаваемых из содержательных соображений при определении алгоритма, основанного на вычислении оценок: SA = {S1, S2 …, Sz}.

Редукция опорного множества — переход от подмножества характеристик мощностью k к подмножеству характеристик мощностью k–n, где n — шаг редукции.

Исходное опорное множество (SI) — опорное множество, из которого путем редукции формируются все опорные множества, в совокупности составляющие систему опорных множеств (SA).

Класс алгоритмов распознавания, основанных на вычислении оценок (АВО), предложенный Журавлевым Ю.И., задается посредством описания шести элементов, его определяющих: системы опорных множеств, правила (функции) близости, вычисления оценок по строкам фиксированного опорного множества, вычисления оценки для класса по опорному множеству, оценки для класса по системе опорных множеств и решающего правила.

Определим элементы разрабатываемого алгоритма вычисления оценок с учетом сформулированных требований и ограничений.

Правило (функция) близости — оценивает похожесть строки, соответствующей инициируемому проекту ('), и строки, соответствующей некоторому эталонному проекту таблицы обучения (r). Возможные определения: строки считаются похожими, если выполняется не менее чем неравенств вида |j - j| j, j = l,..., k. Здесь j, j — значение j-ой характеристики эталонного и инициируемого проектов, j — порог близости характеристик, — порог близости сравниваемых строк (минимальное количество признаков, при совпадении которых строки считаются похожими), k — общее число характеристик, по которым производится сравнение. Принятое определение: полное совпадение значений всех характеристик эталонного (r) и инициируемого (') проектов в рамках анализируемого опорного множества (j = 0, = k).

Решающее правило — правило, на основании которого происходит отнесение инициируемого проекта к одной из исследуемых моделей процесса. Возможные определения: ГsA(', i) - ГsA(', j) > 1, j, j=1, …, m, ij; max [ГsA(', 1), ГsA(', 2), …, ГsA(', m)] и т.д. Здесь 1, … — параметр АВО, ГsA(', r) — оценка для модели r по системе опорных множеств SA. Принятое определение: В рассматриваемом случае, когда окончательное решение о выборе модели процесса разработки отдается ЛПР, решающее правило определяется множеством компонентов, поддерживающих это решение. К таким компонентам относятся: множество рекомендуемых моделей процесса разработки, упорядоченных по убыванию их оценки; дополнительная информация, предоставляемая ЛПР для выбора модели процесса разработки.

Множество рекомендуемых моделей. В работе доказано, что основой формирования множества решений является редукция исходного опорного множества.

Дополнительная информация. Определяется, исходя из анализа возможных вариантов формирования множества рекомендуемых моделей:

множество оценок по рекомендуемым моделям; множество характеристик, обеспечивших выполнение правила близости; множество характеристик, для которых правило близости не выполняется и их значений; информация о достоинствах каждой из множества рекомендуемых моделей.

Система опорных множеств при наличии ограничений. Возможные определения: все подмножества множества характеристик {х1,..., x32} мощности k (Ski), либо все непустые подмножества множества характеристик {х1,..., x32}. Принятое определение: система опорных множеств решаемой задачи представляет собой множество подмножеств с последовательно уменьшающейся мощностью от k до k–n. Здесь k — мощность исходного опорного множества, n — число шагов редукции, необходимое для получения не менее двух моделей, распознанных на опорных множествах различной мощности, разделенных минимальным числом шагов редукции.

Вычисление оценки класса по системе опорных множеств.

Возможные определения: для случая, когда система опорных множеств совпадает с системой всех подмножеств мощности k и используется принятое правило близости, в АВО имеется простая аналитическая формула, заменяющая сложные переборные процедуры:

k sA(',q ) =.

C (2) zq - zq-1 q si j p( j,') j Здесь zq, zq-1 — номер последнего проекта, представляющего текущую и предшествующую модели процесса разработки, соответственно;

— коэффициент, характеризующий значимость в опорном множестве si j si проекта j;

p(j, ') — число выполненных равенств значений характеристик для пары (j, ');

k — мощность рассматриваемых опорных множеств.

Принятое определение: с учетом особенностей используемой системы опорных множеств, созданной посредством применения i шагов редукции, оценка модели q по системе опорных множеств будет:

n k sA(',q ) =.

(3) C zq - zq-1 i=1 jq p( j,') Алгоритм формирования множества рекомендуемых моделей процесса разработки (алгоритм вычисления оценок) предстает в виде:

1. Определение количества выполненных равенств для значений характеристик эталонного и инициируемого проектов, принадлежащих исходному опорному множеству (SI) — мощности опорных множеств (kj), начиная с которых для исследуемых пар (j, ') будет выполняться правило близости.

2. Ранжирование моделей процесса разработки (q) в порядке убывания величины (kj).

3. Определение системы опорных множеств (SA), обеспечивающей решение задачи. SA включает множество всех подмножеств опорных множеств, начиная от мощности kI до мощности kj, включительно.

Здесь kI — мощность исходного опорного множества (SI), k1 — наибольшая мощность опорного множества упорядоченного списка, kj — мощность опорного множества списка, ближайшая к значению k1, удовлетворяющая неравенству kj

4. Определение множества рекомендуемых моделей: определяется как подмножество множества ранжированных моделей (см. п. 2), мощность опорных множеств которых не превышает величину kj.

5. Вычисление по формуле 4 оценок рекомендуемых моделей по системе опорных множеств SA.

6. Определение характеристик, обеспечивших выполнение правил близости. Для каждой модели, входящей во множество рекомендуемых, определяется множество характеристик, обеспечивших выполнение правила близости. Поиск осуществляется во множестве опорных множеств мощностью ki, в котором правило близости было выполнено впервые.

7. Определение характеристик, не обеспечивших выполнение правил близости. Для каждой модели, входящей во множество рекомендуемых, определяются множество характеристик, не обеспечивших выполнение правила близости, а также их значения для инициируемого и эталонного проектов.

8. Формирование справочной информации о выбранных моделях процесса разработки, их достоинствах и недостатках.

9. Завершение работы.

Структурная схема метода выбора модели процесса разработки ПИ на основе формализации описания пространства характеристик проектов представлена на рис. 1.

Как видно из рисунка, метод выбора модели процесса разработки ПИ включает этапы:

1. Задание множества характеристик, наиболее полно описывающих специфику инициируемого проекта. Характеристики выбираются ЛПР исключительно из множества характеристик, определенных в области задания функции выбора модели процесса разработки.

2. Анализ полученного множества на однозначность представления моделей процесса разработки в соответствующем пространстве характеристик:

множество обеспечивает однозначный выбор всех моделей процесса разработки, переход к пункту 5;

множество не обеспечивает однозначный выбор всех моделей процесса разработки, переход к пункту 3.

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»