CN110659213A - 一种基于直觉模糊的软件质量评价方法 - Google Patents

Abstract

本发明涉及一种基于直觉模糊的软件质量评价方法，包括以下步骤：由用户提供待评价软件A₁,A₂,L,A_i,L A_n构成待评价软件集合A＝{A₁,A₂,L,A_i,L A_n}；选取合适的软件质量评价指标；由经验丰富的多名专家或使用过这些试用软件的客户对软件做出评价；引入模糊数来表示专家对软件各个属性的评价结果；专家或使用过试用软件的客户对软件质量属性进行评价；采用直觉模糊熵权法确定各个指标的权重；对打分所得的直觉模糊数进行集成运算；计算集成直觉模糊集合的得分进而得出排序；根据得分函数的大小对各个软件进行质量排序。本发明的有益效果是：符合人们犹豫不决的思维，并允许弃权的情况发生。采用客观的直觉模糊熵权法对属性赋权，克服了其他赋权方法的主观性。

Description

一种基于直觉模糊的软件质量评价方法

技术领域

本发明涉及软件质量评价方法领域，具体是一种基于直觉模糊的软件质量评价方法。

背景技术

随着计算机应用的日益普及和大数据、人工智能、云计算等信息技术的不断涌现。一方面，软件系统在人类生活中发挥着重要的作用，成为国民经济、国防和日常工作生活中必不可少的组成部分，各行各业都离不开软件系统，一旦出现软件质量不合格问题，将会带来灾难性后果。另一方面，软件是产品，面对竞争激烈的现代信息化市场，其质量必须满足顾客需求，保证软件的质量始终是软件市场开拓和发展的关键。“质量是软件的生命”这一口号已深入人心。然而，质量是一个难以量化的模糊概念，顾客的不同需求和软件功能的多样化都会导致对软件质量的要求不同。因此，建立合适的软件质量评价模型至关重要。

基于国际上常用的软件质量评价体系，现有的软件质量评价方法有回归分析法、层次分析法、模糊综合评价法等综合评判方法。但是这些方法都需要专家或者软件用户对软件属性进行打分从而进行进一步评价。由于软件质量的复杂性和人们认知的局限性，即便经验丰富的专家，在做出决策时也很难准确给出软件满足某种属性的程度。

因此本发明提出一种基于直觉模糊的软件质量评价方法。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种基于直觉模糊的软件质量评价方法，直觉模糊集合把考虑隶属度的传统模糊集推广到同时考虑隶属度、非隶属度和犹豫度三个方面信息，在实际评价中，允许评价者同时提出支持、反对和犹豫的信息，使评价过程更加符合人们对于事物做出评价时的犹豫性和不确定程度。

一种基于直觉模糊的软件质量评价方法，其特征在于，包括以下步骤：

(1)：由用户提供待评价软件A₁,A₂,L,A_i,L A_n构成待评价软件集合A＝{A₁,A₂,L,A_i,L A_n}；

(2)：选取合适的软件质量评价指标，建立一级指标集合E＝{E₁,E₂,L,E_j,L E_m}，一级指标E_j由二级指标e_jl组成E_j＝{e_j1,e_j2,L,e_jl,L,e_jk}；

(3)：由经验丰富的多名专家或使用过这些试用软件的客户对软件做出评价，每人分别给出认为软件达到该指标要求的隶属度、非隶属度、以及犹豫度；

(4)：引入模糊数来表示专家对软件各个属性的评价结果，建立直觉模糊集合，直觉模糊集合的定义为：

设X为一个非空集合，则称A*＝{<x,μ_A(x),v_A(x)>|x∈X}为直觉模糊集，其中μ_A(x)和v_A(x)分别表示X中元素x属于X的子集A的隶属度和非隶属度，且满足如下条件0≤μ_A(x)≤1,0≤v_A(x)≤1,0≤μ_A(x)+v_A(x)≤1，其中，π_A(x)＝1-μ_A(x)-v_A(x)表示X中元素x属于A的犹豫度或不确定度；

称α＝(μ_α,v_α)为直觉模糊数，且满足0≤μ_α≤1,0≤v_α≤1,0≤μ_α+v_α≤1；

(5)：专家或使用过试用软件的客户对软件质量属性进行评价，得到二级指标e_jl的特征用直觉模糊数

则一级指标的直觉模糊集合用

(6)：采用直觉模糊熵权法确定各个指标的权重；

(7)：对打分所得的直觉模糊数进行集成运算；

(8)：计算集成直觉模糊集合的得分进而得出排序；

(9)：根据得分函数的大小对各个软件进行质量排序，根据得分函数的大小对各个软件进行质量排序。

优选的，所述熵权法中熵的计算公式为

根据熵权法的原理，进一步得出直觉模糊熵权法的计算公式：

设X＝{x₁,x₂,L x_n}，A^*＝{<x,μ_A(x),v_A(x)>|x∈X}为直觉模糊集，则直觉模糊集的熵E(A)为：

进一步可计算权重C_j，

根据上述公式，最终得出该模型中各个一级指标和二级指标的权重：η＝(η₁,η₂,Lη_j,L,η_m)^T是一级指标的权重向量，η_j∈[0,1]及ω_j＝(ω_j1,ω_j2,L,ω_jl,Lω_jk)^T是二级指标权重向量，ω_j∈[0,1]及

优选的，所述集成运算公式如下：

令α＝(μ_α,v_α)(j＝1,2,L,n)为一组直觉模糊数，λ＝(λ₁,λ₂,Lλ_n)^T为其权重向量且满足λ_j∈[0,1]且

令GIFHWA：Θⁿ→Θ，若：

其中，p＞0，ω＝(ω₁,ω₂,L ω_n)^T为该算子的权重向量，且满足ω_j∈[0,1]及

ε:{1,2,L,n}→{1,2,L,n}为一个排列，使得α_j为直觉模糊数列α_j(j＝1,2,L,n)中第ε(j)大的元素。

优选的，所述模糊集合的得分构建得分函数，其得分函数为：

在函数s(α)中，给弃权者中倾向投赞成票的比例为

其含义是：第一步，假设弃权者中有1/2的人可能会投赞成票，剩余的人可能会投反对票，即先赋予π_α1/2的权重，其次通过赞成票与反对票的差值的一半

来修正这一权重。

优选的，所述直觉模糊集合是将直觉模糊决策矩阵B＝(b_ij)_m×n转化为标准化矩阵D＝(d_ij)_m×n，其中有

(i＝1,2,L,m；j＝1,2,L,n)。

优选的，所述直觉模糊数的集成计算为利用GIFHWA算子合成矩阵D的第i行，获得方案A_i(i＝1,2,L m)的总体直觉模糊值d_i(i＝1,2,L m)。

本发明的有益效果是：根据不同用户的需要选取合适的软件评价指标，构建指标体系。并将直觉模糊集的概念应用于专家打分，符合人们犹豫不决的思维，并允许弃权的情况发生。采用客观的直觉模糊熵权法对属性赋权，克服了其他赋权方法的主观性，通过改进得分函数对直觉模糊集求最终得分并给出排序，给评价软件质量提供合理的模型。

附图说明

图1为本发明ISO9126模型示意图。

图2为本发明McCall模型示意图。

图3为Boehm模型示意图。

图4为本发明模型流程框图。

图5为本发明实施例所选择指标体系示意图。

具体实施方式

本发明是为了提出一种基于直觉模糊的软件质量评价方法，以克服现有方法存在的问题。

本发明提供了一种基于直觉模糊的软件质量评价方法，其简要步骤包括：

1、选取合理的软件质量评价指标并建立评价指标体系。

2、按照已经选取的指标体系并根据直觉模糊的打分规则评价软件，得出直觉模糊集合。

3、利用直觉模糊熵权法得出各个评价指标的权重。

4、将直觉模糊决策矩阵B＝(b_ij)_m×n转化为标准化矩阵D＝(d_ij)_m×n，其中有(i＝1,2,L,m；j＝1,2,L,n)。

当属性属于成本型属性时，将直觉模糊集中的ν_ij和μ_ij位置交换，当属性属于收益属性时，直觉模糊集中的ν_ij和μ_ij位置不变。

5、利用GIFHWA算子合成矩阵D的第i行，获得方案A_i(i＝1,2,L m)的总体直觉模糊值d_i(i＝1,2,L m)。

6、利用得分函数比较总体直觉模糊数的大小，进而获得软件质量排序。

而本发明的详细步骤及具体实施例如下：

本发明的技术方案为：一种基于直觉模糊的软件质量评价方法。包括以下步骤：

(1)：由用户提供待评价软件A₁,A₂,L,A_i,L A_n构成待评价软件集合A＝{A₁,A₂,L,A_i,L A_n}；

采用直觉模糊综合评价方法给出软件排序，为客户的选择提供参考。

(2):选取合适的软件质量评价指标。建立一级指标集合E＝{E₁,E₂,L,E_j,L E_m}，一级指标E_j由二级指标e_jl组成E_j＝{e_j1,e_j2,L,e_jl,L,e_jk}。

软件质量评价的指标将在指标选择模块由用户根据ISO9126软件质量评价指标体系或McCall指标体系或Boehm指标体系并结合自身需求选取。这三个指标体系是目前国际上通用的软件质量评价体系。其中E＝{E₁,E₂,L,E_j,L E_m}为软件质量评价的一级指标集合，一级指标E_j又由二级指标e_jl组成E_j＝{e_j1,e_j2,L,e_jl,L,e_jk}；实际应用中可根据用户自身需求选择，例如以下本实施例选择指标体系如图1所示。

实际实施例如下：某软件公司新开发了三款试用软件A₁,A₂,A₃，采用直觉模糊综合评价法给出软件的排序，为客户的选择提供参考。由经验丰富的10名专家和使用过这些试用软件的客户对软件质量做出评价，采用ISO9126中的评价指标，首先对二级指标e_jl进行评价，每人分别给出认为软件达到该指标要求的隶属度、非隶属度，以及犹豫度。

(3)：引入模糊数来表示专家对软件各个属性的评价结果，建立直觉模糊集合，直觉模糊集合的定义如下：

设X是一个非空集合，则称A^*＝{<x,μ_A(x),v_A(x)>|x∈X}为直觉模糊集，其中μ_A(x)和v_A(x)分别表示X中元素x属于X的子集A的隶属度和非隶属度，且满足如下条件0≤μ_A(x)≤1,0≤v_A(x)≤1,0≤μ_A(x)+v_A(x)≤1，其中，π_A(x)＝1-μ_A(x)-v_A(x)表示X中元素x属于A的犹豫度或不确定度。

为方便起见称α＝(μ_α,v_α)为直觉模糊数，且满足0≤μ_α≤1,0≤v_α≤1,0≤μ_α+v_α≤1。在此步骤中，选取经验丰富的专家或者软件用户对软件质量属性进行评价，最终得到二级指标e_jl的特征用直觉模糊数

表示，则一级指标的直接模糊集合可用

具体实施例中所得模糊集合如下所示：

(4)：采用直觉模糊熵权法确定各个指标的权重。

在多属性决策问题中，指标权重的确定是一个关键步骤，如何克服专家的主观性至关重要，其决定了决策结果是否有效，较为常用的确定权重的方法有客观赋权法、主观赋权法等。

本发明旨在建立一个指标体系来评价软件的质量，然而指标体系中每个因素的权重是未知的，熵权法能够把评价中各个属性的客观信息和主观判断的信息进行量化和综合以后，给出综合的权重值。

因此，本发明采用直觉熵权法来确定软件属性的权重，克服了专家打分的主观性，并综合了各方面的信息，使评价结果更加全面客观。在信息论中，熵用来度量不确定程度，也被称为平均信息量。拥有的信息量越大，对目标的了解越全面，不确定程度越小，相应的目标的熵值越小；反之，同样成立。

为了精确地度量这个不确定程度的大小，借用信息论的定义，一个信息通道所能传输的第i个信号的信息量I_i：I_i＝-ln p_i，式中，p_i为该信号出现的概率。因此，如果一个信息通道中存在n个信息，每个信号出现的概率p₁,p₂L p_n，则这n个信号所携带的平均信息量，即熵为：

根据熵权法的原理，进一步得出直觉模糊熵权法的计算公式：

设X＝{x₁,x₂,L x_n}，A*＝{<x,μ_A(x),v_A(x)>|x∈X}为直觉模糊集，则直觉模糊集的熵E(A)为

进一步可计算权重C_j，

根据上述公式，最终得出该模型中各个一级指标和二级指标的权重：η＝(η₁,η₂,Lη_j,L,η_m)^T是一级指标的权重向量，η_j∈[0,1]及

ω_j＝(ω_j1,ω_j2,L,ω_jl,L ω_jk)^T是二级指标权重向量，ω_j∈[0,1]及

本案例中的实际计算结果为：

(5)：对打分所得的直觉模糊数进行集成运算：在对直觉模糊数的集成过程中有多种不同的运算方式，本发明采用既考虑直觉模糊数本身的位置信息，又考虑各个属性权重信息的广义直觉模糊混合加权算数平均(Generalized intuitionistic fuzzy hybridweighted averaging,GIFHWA)算子，对各个专家的打分结果进行集成运算。具体运算公式如下：

令α＝(μ_α,v_α)(j＝1,2,L,n)为一组直觉模糊数，λ＝(λ₁,λ₂,L λ_n)^T为其权重向量且满足λ_j∈[0,1]且

令GIFHWA：Θⁿ→Θ，若

其中，p＞0，ω＝(ω₁,ω₂,L ω_n)^T为该算子的权重向量，且满足ω_j∈[0,1]及

ε:{1,2,L,n}→{1,2,L,n}为一个排列，使得α_j为直觉模糊数列α_j(j＝1,2,L,n)中第ε(j)大的元素。实施例中模糊数集成过程以

功能性为例如下表所示。

得，GIFHWA(e₁₁,e₁₂,e₁₃,e₁₄,e₁₅)＝(0.65.0.23)

继续进行二级指标的合成，得：

d₁＝(0.72,0.14),d₂＝(0.78,0.1),d₃＝(0.74,0.12)

(6)：计算集成直觉模糊集合的得分进而得出排序，直觉模糊集合传统的得分函数为：任意给定一个直觉模糊数，可以通过评分函数进行评估：s(α)＝μ_α-ν_α，其中s(α)为α的得分值，s(α)∈[-1,1]。从公式中可以看出：直觉模糊数随得分函数值的增大而增大，方案就越能满足决策者的要求，但是这种的分函数在一些情况下无法比较直觉模糊数的大小。因此，本发明采用改进后的得分函数：

在函数s(α)中，给弃权者中倾向投赞成票的比例为

其含义是：第一步，假设弃权者中有1/2的人可能会投赞成票，剩余的人可能会投反对票，即先赋予π_α1/2的权重，其次通过赞成票与反对票的差值的一半

来修正这一权重。这种赋权方法充分考虑了赞成、反对、和弃权三个方面的得分，比传统的得分函数更加有效。具体实例得分函数计算结果如下：S(A₁)＝0.8306,S(A₂)＝0.8808,S(A₃)＝0.8534。

(7)：最后进入排序步骤，根据得分函数的大小对各个软件进行质量排序，使用户可以根据排序结果选择软件。最终排序结果为：A₂＞A₃＞A₁。

从实施例可以看出，本方法计算简便，并且评价方法较为客观，适用于软件质量评价的过程。

本发明的有益效果是：根据不同用户的需要选取合适的软件评价指标，构建指标体系。并将直觉模糊集的概念应用于专家打分，符合人们犹豫不决的思维，并允许弃权的情况发生。采用客观的直觉模糊熵权法对属性赋权，克服了其他赋权方法的主观性，通过改进得分函数对直觉模糊集求最终得分并给出排序，给评价软件质量提供合理的模型。

Claims (6)

1.一种基于直觉模糊的软件质量评价方法，其特征在于，包括以下步骤：

(1)：由用户提供待评价软件A₁，A₂，L，A_i，L A_n构成待评价软件集合a＝{A₁，A₂，L，A_i，LA_n}；

(2)：选取合适的软件质量评价指标，建立一级指标集合E＝{E₁，E₂，L，E_j，L E_m}，一级指标E_j由二级指标e_jl组成E_j＝{e_j1，e_j2，L，e_jl，L，e_jk}；

(3)：由经验丰富的多名专家或使用过这些试用软件的客户对软件做出评价，每人分别给出认为软件达到该指标要求的隶属度、非隶属度、以及犹豫度；

(4)：引入模糊数来表示专家对软件各个属性的评价结果，建立直觉模糊集合，直觉模糊集合的定义为：

设X为一个非空集合，则称a^*＝{<x，μ_A(x)，v_A(x))|x∈X}为直觉模糊集，其中μ_A(x)和v_A(x)分别表示X中元素x属于X的子集A的隶属度和非隶属度，且满足如下条件0≤μ_A(x)≤1，0≤v_A(x)≤1，0≤μ_A(x)+v_A(x)≤1，其中，π_A(x)＝1-μ_A(x)-v_A(x)表示X中元素x属于A的犹豫度或不确定度；

称α＝(μ_α，v_α)为直觉模糊数，且满足0≤μ_α≤1，0≤v_α≤1，0≤μ_α+v_α≤1；

(5)：专家或使用过试用软件的客户对软件质量属性进行评价，得到二级指标e_jl的特征用直觉模糊数

则一级指标的直觉模糊集合用

(6)：采用直觉模糊熵权法确定各个指标的权重；

(7)：对打分所得的直觉模糊数进行集成运算；

(8)：计算集成直觉模糊集合的得分进而得出排序；

(9)：根据得分函数的大小对各个软件进行质量排序，根据得分函数的大小对各个软件进行质量排序。

2.根据权利要求1所述的一种基于直觉模糊的软件质量评价方法，其特征在于，所述熵权法中熵的计算公式为

根据熵权法的原理，进一步得出直觉模糊熵权法的计算公式：

设X＝{x₁，x₂，L x_n}，a^*＝{<x，μ_A(x)，v_A(x)>|x∈X}为直觉模糊集，则直觉模糊集的熵E(A)为：

进一步可计算权重C_j，

根据上述公式，最终得出该模型中各个一级指标和二级指标的权重：η＝(η₁，η₂，L η_j，L，η_m)^T是一级指标的权重向量，η_j∈[0，1]及

ω_j＝(ω_j1，ω_j2，L，ω_jl，L ω_jk)^T是二级指标权重向量，ω_j∈[0，1]及

3.根据权利要求1所述的一种基于直觉模糊的软件质量评价方法，其特征在于，所述集成运算公式如下：

令α＝(μ_α，v_α)(j＝1，2，L，n)为一组直觉模糊数，λ＝(λ₁，λ₂，L λ_n)^T为其权重向量且满足λ_j∈[0，1]且

令GIFHWA：Θⁿ→Θ，若：

其中，p＞0，ω＝(ω₁，ω₂，L ω_n)^T为该算子的权重向量，且满足ω_j∈[0，1]及ε：{1，2，L，n}→{1，2，L，n}为一个排列，使得α_j为直觉模糊数列α_j(j＝1，2，L，n)中第ε(j)大的元素。

4.根据权利要求1所述的一种基于直觉模糊的软件质量评价方法，其特征在于，所述模糊集合的得分构建得分函数，其得分函数为：

在函数s(α)中，给弃权者中倾向投赞成票的比例为

其含义是：第一步，假设弃权者中有1/2的人可能会投赞成票，剩余的人可能会投反对票，即先赋予π_α 1/2的权重，其次通过赞成票与反对票的差值的一半

来修正这一权重。

5.根据权利要求1所述的一种基于直觉模糊的软件质量评价方法，其特征在于，所述直觉模糊集合是将直觉模糊决策矩阵B＝(b_ij)_m×n转化为标准化矩阵D＝(d_ij)_m×n，其中有

6.根据权利要求1所述的一种基于直觉模糊的软件质量评价方法，其特征在于，所述直觉模糊数的集成计算为利用GIFHWA算子合成矩阵D的第i行，获得方案A_i(i＝1，2，L m)的总体直觉模糊值d_i(i＝1，2，L m)。

Images