МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ В ЗАДАЧАХ ОЦІНЮВАННЯ РОЗМІРУ ПРИКЛАДНОГО ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ З ВІДКРИТИМ КОДОМ НА C#
Анотація
Оцінювання розміру програмного забезпечення, зокрема прикладного з відкритим кодом на C#, на сьогодні є дуже важливою частиною в процесі розробки подібних проєктів. Знаючи розмір прикладного програмного забезпечення на ранніх етапах розробки та використовуючи такі моделі, як COCOMO, COCOMO II, або методи та моделі алгоритмічного моделювання чи інші, які виконують розрахунки на основі кількісних значень розміру прикладного програмного забезпечення, можна розрахувати трудовитрати та вартість проєкту та передбачити ризики, пов’язані з розробкою. У цій роботі виконано аналіз наявних регресійних рівнянь для оцінювання розміру прикладного програмного забезпечення з використанням різних мов програмування, який показав необхідність побудови нелінійного регресійного рівняння для оцінювання розміру прикладного програмного забезпечення з відкритим кодом на C# із застосуванням універсального одновимірного нормалізуючого перетворення сім’ї SB Джонсона, що дало можливість побудувати нелінійне регресійне рівняння досить високої якості (R2 = 0,974, MMRE = 0,198, PRED(0,25) = 0,778), та яке має кращі показники порівняно з лінійним регресійним рівнянням без застосування нормалізуючих перетворень для емпіричних даних (R2 = 0,887, MMRE = 1,028, PRED(0,25) = 0,361), а також порівняно з нелінійним регресійним рівнянням з використанням натурального логарифму як нормалізуючого перетворення (R2 = 0,819, MMRE = 0,222, PRED(0,25) = 0,694). Крім цього, використання універсального одновимірного нормалізуючого перетворення Джонсона сім’ї SB дало змогу побудувати більш вузькі довірчий інтервал та інтервал передбачення для нелінійного регресійного рівняння порівняно з інтервалами, які були побудовані з використанням натурального логарифму як нормалізуючого перетворення. У результаті розроблено програмний додаток для оцінювання розміру прикладного програмного забезпечення з відкритим кодом на C# з використанням нелінійного регресійного рівняння на основі універсального одновимірного нормалізуючого перетворення сім’ї SB Джонсона, який автоматизує процес розрахунку та спрощує застосування побудованого нелінійного регресійного рівняння, що дало змогу значно скоротити час проведення відповідних розрахунків та зменшити кількість розрахункових помилок.
Посилання
2. C#. URL: https://dotnet.microsoft.com/languages/csharp (дата звернення: 01.02.2022).
3. Boehm B.W. Software Engineering Economics. New Jersey : Prentice-Hall, 1981. 767 p.
4. Макарова Л.М., Приходько Н.В., Кудін О.О. Побудова нелінійної регресійної моделі для оцінювання розміру вебдодатків, реалізованих мовою Java. Вісник Херсонського національного технічного університету. Херсон, 2019. № 2(69). С. 145–153.
5. Приходько Н.В., Приходько С.Б. Нелінійна регресійна модель для оцінювання розміру програмного забезпечення інформаційних систем на базі VB. Інформаційні технології та комп’ютерна інженерія. Вінниця, 2018. № 3. С. 37–42. URL: https://doi.org/10.31649/1999-9941-2018-43-3-37-42.
6. Приходько С.Б., Приходько Н.В., Смикодуб Т.Г. Чотирьохфакорна нелінійна регресійна модель для оцінювання розміру Java-застосунків з відкритим кодом. Вчені записки ТНУ імені В.І. Вернадського. Серія «Технічні науки». Київ, 2020. Том 31(70). Ч. 1. № 2. С. 157–162. URL: https://doi.org/10.32838/2663-5941/2020.2-1/2.
7. Prykhodko N.V., Prykhodko S.B. The non-linear regression model to estimate software size of open source java-based systems. Radio Electronics, Computer Science, Control, 2018, No. 3, pp. 158–166. URL: http://doi.org/10.15588/1607-3274-2018-3-17.
8. Приходько С.Б., Приходько Н.В., Ворона М.В., Бєловол І.О. Нелінійна регресійна модель для оцінювання розміру web-застосунків, що створюються з використанням фреймворку laravel. Інформаційні технології та комп’ютерна інженерія. Вінниця, 2021. № 50(1). С. 115–121. URL: https://doi.org/10.31649/1999-9941-2021-50-1-115-121.
9. Приходько С.Б., Ворона М.В. Оцінювання розміру php-застосунків з відкритим кодом за нелінійними регресійними моделями з різними факторами. Збірник наукових праць НУК. Миколаїв, 2021. № 1. С. 92–98. URL: https://doi.org/10.15589/znp2021.1(484).13.
10. Макарова Л.М., Латанська Л.О., Нікітін О.В., Нікітіна О.Ю. Математичні моделі для оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin. Вчені записки ТНУ імені В.І. Вернадського. Серія «Технічні науки». Київ, 2022. Том 33(72). № 1. С. 150–156. URL: https://doi.org/10.32838/2663-5941/2022.1/23.
11. GitHub. URL: https://github.com (дата звернення: 21.01.2022).
12. Бахрушин В.Є. Методи аналізу даних : навчальний посібник для студентів. Запоріжжя : КПУ, 2011. 268 c.
13. Приходько С.Б., Макарова Л.Н. Аналитическая зависимость для выбора распределения Джонсона семейства SL. Вестник Херсонского национального технического университета. Херсон : ХНТУ, 2012. № 02 (45). С. 101–104.
14. Приходько С.Б. Оценка параметров нелинейных стохастических дифференциальных уравнений на основе нормализующих преобразований. Вісник Харківського національного університету. Серія «Математичне моделювання. Інформаційні технології. Автоматизовані системи». Харків, 2012. № 1015. С. 276–282.
15. Prykhodko S., Prykhodko N., Makarova L., Pukhalevych A. Outlier Detection in Non-Linear Regression Analysis Based on the Normalizing Transformations. Proceedings of the 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET)(Ukraine, Lviv–Slavske, February 25–29, 2020), IEEE, 2020, pp. 407–410. URL: https://doi.org/10.1109/tcset49122.2020.235464.
16. Крянев А.В., Лукин Г.В., Удумян Д.К. Метрический анализ и обработка данных. Москва : Физматлит, 2012. 308 c.
17. Сток Д., Уотсон М. Введение в эконометрику / пер. с англ. Москва : Дело, 2015. 864 c.
ISSN 
