유전자 알고리즘을 이용한 소프트웨어 결합경향성 예측 = Software fault-proneness prediction with genetic algorithm

국문 초록 (Abstract)

소프트웨어 개발 초기 단계의 문제점이 개발 후반부 산물의 품질에 심각한 영향을 미치기 때문에 설계 명세를 이용하여 결함경향성이 많은 부분을 예측하는 위험도 예측 모델은 전체 시스템 개발비용을 낮추는 데 중요한 역할을 하고 있으며, 이러한 예측 모델은 결과 산물이 매우 크고 실행 정확성이 요구되는 통신 소프트웨어 같은 실시간 시스템 설계에 더욱 필요하다. 판별분석, 인공신경망, 분류트리 등의 기법들을 이용한 모델들이 제안되었으나 이들은 결과에 대한 원인 분석의 어려움, 낮은 확장성 등의 문제점들을 지니고 있었다. 본 논문에서는 유전자 알고리즘을 이용한 위험도 예측 모델을 제안한다. 여러 내부 특성들 비교와 모의 실험을 통한 예측 정확도 비교를 통해 제안 모델을 타 모델들과 비교하였다.

다국어 초록 (Multilingual Abstract)

Criticality prediction models that determine whether a design entity is fault-prone or non fault-prone play an important role in reducing system development costs because the problems in early phases largely affect the quality of the late products. Real-time systems such as telecommunication systems are so large that criticality prediction is more important in real-time system design. The current models are based on the technique such as discriminant analysis, neural net and classification trees. These models have some problems with analyzing causes of the prediction results and low extendability. This paper proposes a criticality prediction model with genetic algorithm. This model is implemented and compared by a simulation with the backpropagation neural net model.

목차 (Table of Contents)

• 요약
• Ⅰ. 서론
• Ⅱ. 위험도 예측모델
• 1. 패턴 분류에 기반한 모델들
• 2. 위험도 메트릭 모델들
• Ⅲ. 제안 모델(GAM)
• 1. 유전자 알고리즘
• 2. 제안 모델 구조
• Ⅳ. 모의실험
• 1. 제작 데이터 집합
• 2. 모델의 예측 정확도 비교
• Ⅴ. 결론 및 향후 연구
• ［참고문헌］
• ABSTRACT