一種基于神經網絡模型的軟件項目所需資源平衡方法技術

本發明專利技術公開的基于神經網絡模型的軟件項目所需資源平衡方法，涉及軟件工程領域，通過將軟件項目預期的效果數據輸入訓練過的神經網絡模型，得到該軟件項目需要的資源數量及時間成本，根據該軟件項目需要的資源數量及時間成本，結合現有條件，對該軟件項目所需資源進行分析，判斷是否需要進行資源平衡，若是，則利用時間最優平衡方法或資源最優平衡方法，對該軟件項目所需資源進行平衡，有效地對該軟件項目所需資源進行平衡，提高了預測的精確度，使得企業能夠有效利用其內部資源。

【技術實現步驟摘要】
一種基于神經網絡模型的軟件項目所需資源平衡方法
本專利技術涉及軟件工程領域，具體涉及一種基于神經網絡模型的軟件項目所需資源平衡方法。
技術介紹
隨著電子信息技術的發展，大型軟件項目變得更復雜，軟件項目管理難度也隨之增加，容易出現問題，如項目延期、成本上升等問題。所以，提升軟件項目管理成效，有效利用企業內部資源，提高軟件項目效率成為提高企業競爭力的重要途經，而軟件項目與其他任何產業的產品不同，它是無形的，完全沒有物理屬性，但其也將思想、概念、算法、流程、組織、效率、優化融合在一起了。因此，要開發這樣的軟件項目，在許多情況下，用戶一開始給不出明確的想法，提不出確切的要求。對于這樣及無形又有明確的實際用途的軟件項目，軟件項目中需要投入的資源數量、時間成本是很難有明確的公式算法進行計算的，大部分只能依靠經驗進行判斷，判斷得準確性與否，完全取決于人，這就有可能造成因人為考慮不全面而引起預測結果不準確，不能有效地對該軟件項目所需資源進行平衡，導致企業不能有效地利用其內部資源。
技術實現思路
為解決現有技術的不足，本專利技術實施例提供了一種基于神經網絡模型的軟件項目所需資源平衡方法，該方法包括以下步驟：將軟件項目預期的效果數據輸入訓練過的神經網絡模型，得到所述軟件項目需要的資源數量及時間成本；根據所述軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡；若是，則利用時間最優平衡方法或資源最優平衡方法，對所述軟件項目所需資源進行平衡。r>優選地，根據所述軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡包括：判斷可投入到所述軟件項目的時間成本及資源數量是否均大于或等于所述軟件項目需要的時間成本及資源數量，若是，則確定所述軟件項目不需要進行資源平衡，若否，則確定所述軟件項目需要進行資源平衡。優選地，所述訓練過的神經網絡模型的創建過程包括：獲取多個軟件項目的歷史效果數據及歷史需求數據，生成經驗數據集合；將所述經驗數據集合作為訓練數據，輸入神經網絡模型，得到所述訓練過的神經網絡模型。優選地，所述方法還包括：在完成所述軟件項目后，計算所述軟件項目所需資源數據的實際值；將神經網絡模型計算得到的軟件項目所需資源數據與軟件項目所需資源數據的實際值逐條進行比較，分別判斷軟件項目所需的各條資源數據與軟件項目所需的各條實際資源數據之間的誤差是否小于預設的數值，若否，則以軟件項目所需的各條實際資源數據作為訓練數據，再次訓練所述模型神經網絡模型。優選地，所述軟件項目的效果數據包括：軟件項目總價、軟件項目重難點需求數量、軟件項目難點需求數量、軟件項目一般需求數量、需求模糊程度、軟件項目預計用戶數量、軟件項目為已有產品的替代品還是新產品、軟件項目預計使用年限、軟件項目保密等級要求、集成系統數量、軟件產品預計單日平均數據量。優選地，所述軟件項目的需求數據包括：所述軟件項目需要的資源數據包括軟件項目預計利潤、軟件項目預計投入技術專家工時、軟件項目預計投入高級開發工程師工時、軟件項目預計投入中級開發工程師工時、軟件項目預計投入規劃人員工時、軟件項目預計投入實施工程師工時、軟件項目預計投入測試工程師工時、軟件項目預計投入其他人員工時。優選地，所述神經網絡模型為BP神經網絡模型。本專利技術實施例提供的基于神經網絡模型的軟件項目所需資源平衡方法，具有以下有益效果：利用訓練過的神經網絡模型預測軟件項目需要的資源數量及時間成本并根據預測結果，有效地對該軟件項目所需資源進行平衡，提高了預測的精確度，使得企業能夠有效利用其內部資源。附圖說明圖1為本專利技術實施例提供的基于神經網絡模型的軟件項目所需資源平衡方法流程示意圖；圖2為本專利技術實施例提供的神經網絡模型內部構造示意圖。具體實施方式以下結合附圖和具體實施例對本專利技術作具體的介紹。如圖1所示，本專利技術提供的實施例提供的基于神經網絡模型的軟件項目所需資源平衡方法包括以下步驟：S101，將軟件項目預期的效果數據輸入訓練過的神經網絡模型，得到該軟件項目需要的資源數量及時間成本。S102，根據該軟件項目需要的資源數量及時間成本，結合現有條件，對該軟件項目所需資源進行分析，判斷是否需要進行資源平衡；S103，若是，則利用時間最優平衡方法或資源最優平衡方法，對該軟件項目所需資源進行平衡。可選地，根據該軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡包括：判斷可投入到該軟件項目的時間成本及資源數量是否均大于或等于所述軟件項目需要的時間成本及資源數量，若是，則確定該軟件項目不需要進行資源平衡，若否，則確定該軟件項目需要進行資源平衡。可選地，訓練過的神經網絡模型的創建過程包括：獲取多個軟件項目的歷史效果數據及歷史需求數據，生成經驗數據集合；將經驗數據集合作為訓練數據，輸入神經網絡模型，得到訓練過的神經網絡模型。作為一個具體的實施例，如圖2所示，BP神經網絡模型是一種由監督的機器學習模型，其學習規則是誤差校正算法，即根據神經網絡輸出誤差與神經元連接強度進行修正，其權值調整采用反向傳播算法。其中，BP神經網絡模型包括輸入層、隱含層和輸出層三部分，x1、x2…xm為軟件項目歷史效果數據，y1、y2…yn為該軟件項目對應的歷史需求數據。現將軟件項目總價、軟件項目重難點需求數量、軟件項目難點需求數量、軟件項目一般需求數量、軟件項目需求模糊程度、軟件項目預計用戶數量、軟件項目為已有產品的替代品還是新產品、軟件項目預計使用年限、產品保密等級要求、集成系統數量、軟件項目預計單日平均數據量作為輸入層；將軟件項目實際凈利潤、軟件項目實際投入技術專家工時、軟件項目實際投入高級開發工程師工時、軟件項目實際投入中級開發工程師工時、軟件項目實際投入規劃人員工時、軟件項目實際投入實施工程師工時、軟件項目實際投入測試工程師工時、軟件項目實際投入其他人員工時作為輸出層。輸入層全部設置為正向相關，運用經驗數據集合，給定輸入信號后的BP神經網絡模型處理過程為：輸入信號由輸入層進入，傳輸到隱含層，經過隱含層單元處理后，信號通過激活函數得到輸出層信號，如果輸出層結點未能得到期望輸出，即誤差大于設定誤差，則誤差進行逆向傳播，將輸出誤差按某種形式，由輸出層依次向隱含層和輸入層返回，并根據誤差信號修改權值。不斷進行信號的正向和誤差的逆向傳播過程，直至神經網絡模型誤差縮減到設定誤差以內，得到訓練好的神經網絡模型，其中，權值是BP神經網絡模型兩個結點路徑上的值，這個值表示代價，如從一個結點到達另外一個結點的路徑的長度、所花費的時間、付出的費用等。可選地，該方法還包括：在完成軟件項目后，計算該軟件項目所需資源數據的實際值；將神經網絡模型計算得到的軟件項目所需資源數據與軟件項目所需本文檔來自技高網...

【技術保護點】
1.一種基于神經網絡模型的軟件項目所需資源平衡方法，其特征在于，包括：/n將軟件項目預期的效果數據輸入訓練過的神經網絡模型，得到所述軟件項目需要的資源數量及時間成本；/n根據所述軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡；/n若是，則利用時間最優平衡方法或資源最優平衡方法，對所述軟件項目所需資源進行平衡。/n

【技術特征摘要】
1.一種基于神經網絡模型的軟件項目所需資源平衡方法，其特征在于，包括：
將軟件項目預期的效果數據輸入訓練過的神經網絡模型，得到所述軟件項目需要的資源數量及時間成本；
根據所述軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡；
若是，則利用時間最優平衡方法或資源最優平衡方法，對所述軟件項目所需資源進行平衡。


2.根據權利要求1所述的基于神經網絡模型的軟件項目所需資源平衡方法，其特征在于，根據所述軟件項目需要的資源數量及時間成本，結合現有條件，對所述軟件項目所需資源進行分析，判斷是否需要進行資源平衡包括：
判斷可投入到所述軟件項目的時間成本及資源數量是否均大于或等于所述軟件項目需要的時間成本及資源數量，若是，則確定所述軟件項目不需要進行資源平衡，若否，則確定所述軟件項目需要進行資源平衡。


3.根據權利要求1所述的基于神經網絡模型的軟件項目所需資源平衡方法，其特征在于，所述訓練過的神經網絡模型的創建過程包括：
獲取多個軟件項目的歷史效果數據及歷史需求數據，生成經驗數據集合；
將所述經驗數據集合作為訓練數據，輸入神經網絡模型，得到所述訓練過的神經網絡模型。


4.根據權利要求1所述的基于神經網絡模型的軟件項目所需資源平衡方法，其特征在于，所述方法還包括：
在完成所述軟件項目后，...

【專利技術屬性】
技術研發人員：許若鏞，胡楊博，欒森，李曉娟，方進濤，任江濤，
申請(專利權)人：北京神舟航天軟件技術有限公司，
類型：發明
國別省市：北京;11