基于貝葉斯網(wǎng)絡的軟件風險分析.pdf

1、軟件開發(fā)過程的不確定性，給客戶方和承建方都帶來了巨大的風險。如果能夠在項目事前和事中階段對可能影響軟件項目的成本，質(zhì)量和進度的風險進行估計和監(jiān)控，則可以大大的減少風險帶來的損失。貝葉斯網(wǎng)絡是針對不確定推理的理想工具，但是在軟件項目的風險管理中給出準確的網(wǎng)絡結(jié)構(gòu)和條件概率表是解決問題的難點和核心。 本文參考前人的調(diào)查結(jié)果來建立網(wǎng)絡結(jié)構(gòu)。我們首先根據(jù)文獻中對因子重要程度和相關事件的描述，對因子進行篩選，并用篩選得到的因子根據(jù)相關性對

2、前人的網(wǎng)絡結(jié)構(gòu)進行擴充，并使網(wǎng)絡的結(jié)果輸出結(jié)點統(tǒng)一為時間延遲，質(zhì)量問題和成本超支的概率分布。最終，根據(jù)因子的分類，我們建立了開發(fā)團隊相關風險，開發(fā)工程相關風險，項目環(huán)境相關風險，組織相關風險等4個軟件風險分析子網(wǎng)絡。綜合4個子網(wǎng)絡的風險指標水平，便得到總體風險水平。 為了使分析模型具有更高的可信度，本文通過貝葉斯參數(shù)學習來獲取條件概率表。通過引入貝葉斯參數(shù)學習，能夠根據(jù)樣本數(shù)據(jù)進行學習并且更新條件概率表初值，得到更客觀的分析網(wǎng)絡

3、，并且能夠在應用中不斷地調(diào)整條件概率表，使分析模型適應不斷變化的軟件項目開發(fā)環(huán)境。同時，本文在參數(shù)學習時引入EM算法，提高對由于軟件項目差異而存在隱含結(jié)點情況的處理能力。 通過實驗，我們發(fā)現(xiàn)貝葉斯網(wǎng)絡本身強大的分析推理給軟件風險分析提供了有力的支持。我們利用貝葉斯推理進行軟件風險的預測，利用貝葉斯網(wǎng)絡置信更新功能進行軟件風險的模擬和原因分析。為了獲得完整的網(wǎng)絡和驗證分析模型，我們進行了問卷調(diào)查。樣本驗證的結(jié)果表明，本文的分析模型