计算机应用

作者：朱嘉豪, 郑巍, 杨丰玉, 樊鑫, 肖鹏

单位：1.南昌航空大学 软件学院，南昌 330063；2.南昌航空大学 软件测评中心，南昌 330063

关键词：软件质量预测,蚁群优化算法,反向传播神经网络,网络结构评价

基金：总装预研基金项目(JZX7J202202ZL002000)

针对基于反向传播神经网络（BPNN）的软件质量预测模型存在收敛慢、模型精度不高的问题，提出一种基于蚁群算法优化BPNN的软件质量预测（SQP-ACO-BPNN）方法。首先，选择软件质量评价指标，确立软件质量评价体系；其次，采用BPNN构建初始软件质量预测模型，并利用蚁群优化（ACO）算法确定若干网络结构、网络初始连接权值和阈值；再次，给出网络结构评价函数，选择神经网络模型的最佳结构、网络初始连接权值和阈值；最后，通过BP算法训练该网络，得到最终的软件质量预测模型。在机载嵌入式软件质量预测数据上的实验结果表明，优化后的BPNN模型有效提高了预测的准确率、精确率、召回率和F1值，并且模型能够更快收敛，验证了SQP-ACO-BPNN方法的有效性。

来源：2023年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第11期