CN109583749A - 一种基于动态规划的软件研制成本智能控制方法及系统 - Google Patents

Abstract

本发明提供一种基于动态规划的软件研制成本智能控制方法及系统。本发明方法，包括：将软件研制周期的过程划分为n个状态和n‑1个阶段，构筑每个状态所有可选方案的状态变量集合，确定每阶段的允许决策集合与决策变量，基于预设指标确定所述决策集合中每个决策的指标函数，进而判断出同一状态下的最优指标函数，完成软件研制所需的最小成本的估算。本发明从软件研制的整个周期着眼，较好地反映了不同技术路线所对应的研制成本，且具有阶段优选功能，可为决策机关或项目承制方智能化地在满足软件功能的前提下对经济成本或时间成本进行优化布局，提高资源使用的效率。

Description

一种基于动态规划的软件研制成本智能控制方法及系统

技术领域

本发明涉及软件工程技术领域，具体而言，尤其涉及一种基于动态规划的软件研制成本智能控制方法及系统。

背景技术

软件项目的成本可以是时间成本，也可以是经济成本，总之，不管在何种情况下，人们都希望以最小的成本完成既定的工作。在软件质量评价体系中，项目开发成本是一个重要的评价指标。

软件开发是知识密集型的智力活动，同时也是自动化程度较低的劳动密集型活动。现有的成本估算方式基本可分为两大类：一是事后估算，二是事前估算。事后估算一般用于总结和后续计划指导等方面，虽能做到精确但实际意义有限；事前估算是根据软件所要实现的功能和所需耗费的必要资源对软件整个生命周期所需成本进行的初步测算，测算内容包括所用人力、物力、耗费的资源、软件实现的技术难度等。从估算所用的技术方案来看主要有两大类，其特点和弊端分别为：

(1)以相对简单的分解技术对软件生成产品和所需资源进行测算。主要思路是运用化整为零、分别研究的方法，把整个软件工程分解为零散的功能点和技术模块，分别细化研究工作量和相应的必要成本。

弊端：软件工程是前后关联的有机整体，软件生命首期中任一环节的工作要求和难度取决于前一环节的实现与评审情况，这就决定了研制成本是动态变化的，所以，在实际操作中很难进行有效的细化分解，不易对特定环节的成本作出较为精确的预计。

(2)使用自动估算工具或现成的经验模型进行测算。主要假设为所有的软件开发过程都大同小异，只要输入项目特征数据，项目所需成本便可一目了然。

弊端：抹杀了不同项目之间尤其是军用软件项目的个性特征。虽然也能大致获得项目的成本信息，但不具备优化选择的功能，即不能从输出结果获知如何推进项目的开发才能以以最小的成本完成软件的最终交付。

发明内容

根据上述提出的技术问题，而提供一种基于动态规划的软件研制成本智能控制方法及系统。

本发明采用的技术手段如下：

一种基于动态规划的软件研制成本智能控制方法，包括如下步骤：

将软件研制周期的过程划分为n个状态和n-1个阶段，构筑每个状态所有可选方案的状态变量集合；

确定每阶段的允许决策集合与决策变量，所述允许决策集合表示任一状态向下一状态推进时可以选择的方案种数，所述决策变量表示在此状态下的最优方案选择，其同时也作为下一阶段的初始状态；

基于预设指标确定所述决策集合中每个决策的指标函数，进而判断出同一状态下的最优选择，完成软件研制所需的阶段或全程最低成本测算。

进一步地，当软件成本是以经济成本作为各状态之间的评判标准时，最小成本估算以货币为单位进行算数的加和作为最终的成本；当软件成本是以时间或人力资源成本作为各状态之间的评判标准时，最小成本估算以月/人为单位进行算数的加和/加权作为最终完成时间/工作效率的成本。

进一步地，所述状态变量是离散的且是确定性的，其状态转移方程满足如下表达式：

s_k+1＝x_k(s_k)

其中，s_k为状态变量，其具体为：第k个阶段开始时所处的位置，k(k＝n-1,n-2,…1)，决策变量x_k(s_k)表示在s_k位置上时做出的最佳选择，同时也成为下一阶段的初始状态。

进一步地，所述指标函数具体为：

其中，d_j(s_j,s_j+1)为从s_j到s_j+1的成本估算值，

其满足，d_j(s_j,s_j+1)＝f(l,p,d)

其中，l具体为代码行数函数、p具体为关键点个数函数、d具体为技术难度系数函数。

进一步地，所述最优指标函数f_k(s_k)表式在第k阶段处于s_k位置上，采用最优策略完成软件研制所需的最小成本，其具体为：

f_k(s_k)＝min{V_kn}；

递推方程为：

本发明还提供了一种基于动态规划的软件研制成本智能控制系统，包括：

软件周期划分单元，用于将软件研制周期划分成n个状态和n-1个阶段，并将划分结果发送至变量采集单元；

变量采集单元，用于获取各状态下的可选方案，并将其分别整合为各状态下的状态变量集合，获取任一状态向下一状态推进时可以选择的方案种数，并将其整合为允许决策集合；

数据处理单元，用于基于预设指标确定允许决策集合中每个决策的指标函数，计算各阶段不同技术方案所对应的研制成本；

最小成本规划单元，用于将数据处理单元得出的各阶段的最低成本进行提取，完成软件研制所需的最小成本的规划。

进一步地，当软件成本是以经济成本作为各状态之间的评判标准时，最小成本估算以货币为单位进行算数的加和作为最终的成本；当软件成本是以时间或人力资源成本作为各状态之间的评判标准时，最小成本估算以月/人为单位进行算数的加和/加权作为最终完成时间/工作效率的成本。

进一步地，所述预设指标包括：每个决策中涉及的代码行数、关键点个数和技术难度系数。

进一步地，所述指标函数具体为：

其中，d_j(s_j,s_j+1)为从状态s_j到s_j+1的成本估算值，

其满足，d_j(s_j,s_j+1)＝f(l,p,d)

其中，l具体为代码行数函数、p具体为关键点个数函数、d具体为技术难度系数函数。

进一步地，所述最优指标函数f_k(s_k)表式在第k阶段处于s_k位置上，采用最优策略完成软件研制所需的最小成本，其具体为：

f_k(s_k)＝min{V_kn}；

递推方程为：

较现有技术相比，本发明具有以下优点：

本发明基于动态规划理论的成本控制办法从软件研制的整个周期着眼，较好地反映了不同技术路线所对应的研制成本，具有一定的优选功能，可为决策机关或项目承制方智能化地在满足软件功能的前提下对经济成本或时间成本进行优化布局，提高资源使用的效率。

基于上述理由本发明可在软件工程领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于动态规划的软件研制成本智能控制系统模块图。

图2为本发明一种基于动态规划的软件研制成本智能控制方法流程图。

图3为本发明实施例中软件成本控制的动态规划路线示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1所示，本发明提供了一种基于动态规划的软件研制成本智能控制方法，包括如下步骤：

将软件研制周期的过程划分为n个状态和n-1个阶段，构筑每个状态所有可选方案的状态变量集合；

确定每阶段的允许决策集合与决策变量，所述允许决策集合表示任一状态向下一状态推进时可以选择的方案种数，所述决策变量表示在此状态下的最优方案选择，其同时也作为下一阶段的初始状态；

基于预设指标确定所述决策集合中每个决策的指标函数，进而判断出同一状态下的最优选择，完成软件研制所需的阶段或全程最低成本测算。

当软件成本是以经济成本作为各状态之间的评判标准时，最小成本估算以货币为单位进行算数的加和作为最终的成本；当软件成本是以时间或人力资源成本作为各状态之间的评判标准时，最小成本估算以月/人为单位进行算数的加和/加权作为最终完成时间/工作效率的成本。

所述状态变量是离散的且是确定性的，其状态转移方程满足如下表达式：

s_k+1＝x_k(s_k)

其中，s_k为状态变量，其具体为：第k个阶段开始时所处的位置，k(k＝n-1,n-2,…1)，决策变量x_k(s_k)表示在s_k位置上时做出的最佳选择，同时也成为下一阶段的初始状态。

所述指标函数具体为：

其中，d_j(s_j,s_j+1)为从s_j到s_j+1的成本估算值，

其满足，d_j(s_j,s_j+1)＝f(l,p,d)

其中，l具体为代码行数函数、p具体为关键点个数函数、d具体为技术难度系数函数。

所述最优指标函数f_k(s_k)表式在第k阶段处于s_k位置上，采用最优策略完成软件研制所需的最小成本，其具体为：

f_k(s_k)＝min{V_kn}；

递推方程为：

如图2所示，本发明还提供了一种基于动态规划的软件研制成本智能控制系统，包括：

软件周期划分单元，用于将软件研制周期划分成n个状态和n-1个阶段，并将划分结果发送至变量采集单元；

变量采集单元，用于获取各状态下的可选方案，并将其分别整合为各状态下的状态变量集合，获取任一状态向下一状态推进时可以选择的方案种数，并将其整合为允许决策集合；

数据处理单元，用于基于预设指标确定允许决策集合中每个决策的指标函数，计算各阶段不同技术方案所对应的研制成本；

最小成本规划单元，用于将数据处理单元得出的各阶段的最低成本进行提取，完成软件研制所需的最小成本的规划。

实施例1

如图3所示，假设在某项舰用软件研制中，从立项批准(A)开始，软件设计有3种备选方案(B₁、B₂、B₃)、软件实现有2种备选方案(C₁、C₂)，系统测试有3种备选方案(D₁、D₂、D₃)，最终到验收使用(E)完成整个证明周期，任意两个相邻状态之间的成本(单位：万元)经测算并标于状态之间的连线之上。

按照逆推法求解：

(1)系统测试至验收使用阶段。

当k＝4时，因s₄可取D₁、D₂、D₃三种状态，应分别计算。

f₄(D₁)＝min{d₄(D₁,E)+f₅(E)}＝min{41+0}＝41

所以x₄(D₁)＝E，最短路线为D₁→E。

同理，f₄(D₂)＝25，x₄(D₂)＝E，成本最低路线为D₂→E。

f₄(D₃)＝256，x₄(D₃)＝E，成本最低路线为D₃→E。

(2)软件实现至系统测试阶段。

当k＝3时，因s₃可取C₁、C₂两种状态，应分别计算。

所以x₃(C₁)＝D₂，成本最低路线为C₁→D₂；

同理，f₃(C₂)＝min{121,157,807}＝121，所以，x₃(C₂)＝D₁，成本最低路线为C₂→D₁。

(3)软件设计至软件实现阶段。

当k＝2时，因s₂可取B₁、B₂、B₃三种状态，应分别计算。

因为

所以x₂(B₁)＝C₂，成本最低路线为B₁→C₁。

同理，f₂(B₂)＝min{152,425}＝152，x₂(B₂)＝C₁，成本最低路线为B₂→C₁。

f₂(B₃)＝min{235,242}＝235，x₂(B₃)＝C₁，成本最低路线为B₃→C₁。

(4)立项批准至软件设计阶段。

当k＝1时，s₁只有A一种状态，故

所以x₁(A)＝B₁，成本最低路线为A→B₁。

(5)结论：

反推得到成本最低路线为A→B₁→C₂→D₁→E，本软件项目最小研制成本方案组合为第1种设计方案、第2种实现方案和第1种系统测试方案，经济成本为221万元。

本发明的突出特点与优势便是对不同形式的成本具有普适意义。在本例中，软件成本是以经济成本的形式进行的演示，实际操作中，状态之间的成本形式完全可以是时间成本，比如以“人月”为单位的度量方式，其最终结果即为完成整个项目的最短时间。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于动态规划的软件研制成本智能控制方法，其特征在于，包括如下步骤：

将软件研制周期的过程划分为n个状态和n-1个阶段，构筑每个状态所有可选方案的状态变量集合；

确定每阶段的允许决策集合与决策变量，所述允许决策集合表示任一状态向下一状态推进时可以选择的方案种数，所述决策变量表示在此状态下的最优方案选择，其同时也作为下一阶段的初始状态；

基于预设指标确定所述决策集合中每个决策的指标函数，进而判断出同一状态下的最优选择，完成软件研制所需的阶段或全程最低成本测算。

2.根据权利要求1所述的基于动态规划的软件研制成本智能控制方法，其特征在于，当软件成本是以经济成本作为各状态之间的评判标准时，最小成本估算以货币为单位进行算数的加和作为最终的成本；当软件成本是以时间或人力资源成本作为各状态之间的评判标准时，最小成本估算以月/人为单位进行算数的加和/加权作为最终完成时间/工作效率的成本。

3.根据权利要求1所述的基于动态规划的软件研制成本智能控制方法，其特征在于，所述状态变量是离散的且是确定性的，其状态转移方程满足如下表达式：

s_k+1＝x_k(s_k)

其中，s_k为状态变量，其具体为：第k个阶段开始时所处的位置，k(k＝n-1,n-2,…1)，决策变量x_k(s_k)表示在s_k位置上时做出的最佳选择，同时也成为下一阶段的初始状态。

4.根据权利要求1所述的基于动态规划的软件研制成本智能控制方法，其特征在于，所述预设指标包括：每个决策中涉及的代码行数、关键点个数和技术难度系数。

5.根据权利要求1～4任一项所述的基于动态规划的软件研制成本智能控制方法，其特征在于，所述指标函数具体为：

其中，d_j(s_j,s_j+1)为从s_j到s_j+1的成本估算值，

其满足，d_j(s_j,s_j+1)＝f(l,p,d)

其中，l具体为代码行数函数、p具体为关键点个数函数、d具体为技术难度系数函数。

6.根据权利要求5所述的基于动态规划的软件研制成本智能控制方法，其特征在于，所述最优指标函数f_k(s_k)表式在第k阶段处于s_k位置上，采用最优策略完成软件研制所需的最小成本，其具体为：

f_k(s_k)＝min{V_kn}；

递推方程为：

7.一种基于动态规划的软件研制成本智能控制系统，其特征在于，包括：

软件周期划分单元，用于将软件研制周期划分成n个状态和n-1个阶段，并将划分结果发送至变量采集单元；

变量采集单元，用于获取各状态下的可选方案，并将其分别整合为各状态下的状态变量集合，获取任一状态向下一状态推进时可以选择的方案种数，并将其整合为允许决策集合；

数据处理单元，用于基于预设指标确定允许决策集合中每个决策的指标函数，计算各阶段不同技术方案所对应的研制成本；

最小成本规划单元，用于将数据处理单元得出的各阶段的最低成本进行提取，完成软件研制所需的最小成本的规划。

8.根据权利要求7所述的基于动态规划的软件研制成本智能控制系统，其特征在于，当软件成本是以经济成本作为各状态之间的评判标准时，最小成本估算以货币为单位进行算数的加和作为最终的成本；当软件成本是以时间或人力资源成本作为各状态之间的评判标准时，最小成本估算以月/人为单位进行算数的加和/加权作为最终完成时间/工作效率的成本。

9.根据权利要求7所述的基于动态规划的软件研制成本智能控制系统，其特征在于，所述状态变量是离散的且是确定性的，其状态转移方程满足如下表达式：

s_k+1＝x_k(s_k)

其中，s_k为状态变量，其具体为：第k个阶段开始时所处的位置，k(k＝n-1,n-2,…1)，决策变量x_k(s_k)表示在s_k位置上时做出的最佳选择，同时也成为下一阶段的初始状态。

10.根据权利要求7～9任一项所述的基于动态规划的软件研制成本智能控制系统，其特征在于，所述指标函数具体为：

其中，d_j(s_j,s_j+1)为从s_j到s_j+1的成本估算值，

其满足，d_j(s_j,s_j+1)＝f(l,p,d)

其中，l具体为代码行数函数、p具体为关键点个数函数、d具体为技术难度系数函数；

所述最优指标函数f_k(s_k)表式在第k阶段处于s_k位置上，采用最优策略完成软件研制所需的最小成本，其具体为：

f_k(s_k)＝min{V_kn}；

递推方程为：