TỐI ƯU THAM SỐ TRONG MÔ HÌNH COCOMO ĐỂ ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MỀM Chuyên ngành : KHOA HỌC MÁY TÍNH. LUẬN VĂN THẠC SĨ

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐẶNG QUANG VĂN TỐI ƯU THAM SỐ TRONG MƠ HÌNH COCOMO ĐỂ ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MỀM Chuyên ngành : KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Lê Thị Mỹ Hạnh Đà Nẵng Năm 2017 i LỜI CẢM ƠN Trước hết em xin gửi lời cảm ơn chân thành đến tồn thể thầy giáo Khoa Công nghệ Thông tin – Trường Đại học Bách khoa – Đại học Đà Nẵng tận tình dạy dỗ chúng em suốt trình học tập nghiên cứu trường Đặc biệt, em xin bày tỏ lòng biết ơn sâu sắc đến Cô giáo TS Lê Thị Mỹ Hạnh Khoa Công nghệ Thông tin – Trường Đại học Bách khoa – Đại học Đà Nẵng quan tâm hướng dẫn đưa gợi ý, góp ý, chỉnh sửa vô quý báu cho em trình làm luận văn tốt nghiệp Cuối xin chân thành cảm ơn người bạn, đồng nghiệp, gia đình tạo điều kiện giúp đỡ, chia với em suốt trình làm luận văn Đà Nẵng, ngày 11 tháng 11 năm 2017 HỌC VIÊN Đặng Quang Văn GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn ii LỜI CAM ĐOAN Tôi cam đoan rằng, luận văn thạc sĩ : Tối ưu tham số mơ hình CoCoMo để ước lượng nỗ lực phát triển phần mềm” cơng trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Đà Nẵng, Ngày 11 tháng 11 năm 2017 TÁC GIẢ LUẬN VĂN Đặng Quang Văn GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn iii MỤC LỤC LỜI CAM ĐOAN ii CÁC LOẠI DANH MỤC vii Danh mục ký hiệu, chữ viết tắt vii Danh mục bảng ix Danh mục hình vẽ x MỞ ĐẦU 1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI MỤC ĐÍCH NGHIÊN CỨU ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU PHƯƠNG PHÁP NGHIÊN CỨU .2 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI CẤU TRÚC LUẬN VĂN CHƯƠNG .4 TỔNG QUAN VỀ ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MỀMTRONG MƠ HÌNH COCOMO II .4 I ƯỚC LƯỢNG NỖ LỰC VÀ CÁC MƠ HÌNH ƯỚC LƯỢNG NỖ LỰC TRONG PHÁT TRIỂN PHẦN MỀM Ước lượng nỗ lực 1.1 Tiếp cận ước lượng từ lên (Bottom-up estimation approach) .5 1.2 Tiếp cận ước lượng từ xuống (The top-down estimation approach) .7 Các mơ hình ước lượng nỗ lực phát triển phần mềm II TIẾP CẬN MƠ HÌNH ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MÊM COCOMO II III CẤU TRÚC MÔ HÌNH COCOMO II 11 Các yếu tố quy mô dự án 13 1.1 Tính tiên phong (PREC) Tính linh hoạt phát triển (FLEX) .14 1.2 Kiến trúc giải rủi ro (RESL) 15 1.3 Sự gắn kết đội (TEAM) .17 1.4 Quy trình trưởng thành (PMAT) .18 Các nhân tố nỗ lực trình điều khiển chi phí 18 2.1 Yếu tố sản phẩm phần mềm 18 2.1.1 Độ tin cậy phần mềm 18 GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn iv 2.1.2 Kích thước liệu (DATA) 19 2.1.3 Tính phức tạp sản phẩm (CPLX) 19 2.1.4 Yêu cầu khả sử dụng lại (RUSE) .22 2.1.5 Tài liệu phù hợp với nhu cầu vòng đời (DOCU) 22 2.2 Yếu tố tảng 22 2.2.1 Hạn chế thời gian thực (TIME) 22 2.2.2 Hạn chế lưu trữ (STOR) 23 2.2.3 Nền tảng biến động (PVOL) 23 2.3 Yếu tố Nhân 24 2.3.1 Khả phân tích (ACAP) .24 2.3.2 Khả lập trình (PCAP) .24 2.3.3 Kinh nghiệm ứng dụng (AEXP) 25 2.3.4 Kinh nghiệm ngôn ngữ công cụ (LTEX) 25 2.3.5 Nhân liên tục (PCON) 25 2.4 Yếu tố dự án 26 2.4.1 Sử dụng công cụ phần mềm (TOOL) 26 2.4.2 Phát triển đa chiều (SITE) 26 2.4.3 Lịch phát triển bắt buộc (SCED) .27 IV TIỂU KẾT CHƯƠNG I .27 CHƯƠNG .28 THUẬT TỐN TÌM KIẾM CUCKOO SEARCH (CS) 28 I GIỚI THỆU 28 II HÀNH VI SINH SỐNG CỦA LOÀI CHIM CUCKOO VÀ CHUYẾN BAY LÉVY 28 Hành vi sinh sống loài chim cuckoo 28 Chuyến bay Lévy .29 III THUẬT TỐN TÌM KIẾM CUCKOO SEARCH (CS) 32 Kiến trúc thuật tốn tìm kiếm Cuckoo search(cs) 32 Thiết kế cài đặt thuật toán 33 Một số ứng dụng thuật toán CS .35 IV TIỂU KẾT CHƯƠNG 36 CHƯƠNG .37 GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn v ÁP DỤNG THUẬT TOÁN CUCKOOS SEARCH (CS) TỐI ƯU CÁC THAM SỐ TRONG MƠ HÌNH COCOMO II ĐỂ ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MỀM 37 I GIỚI THIỆU 37 II THU THẬP DỮ LIỆU, PHÂN TÍCH, MƠ HÌNH ĐÁNH GIÁ .37 Thu thập liệu 37 Phân tích mơ hình CoCoMoII .40 Mơ hình đánh giá chất lượng ước tính 42 III ÁP DỤNG THUẬT TOÁN CUCKOO SEARCH (CS) ĐỂ TỐI ƯU CÁC THAM SỐ TRONG MƠ HÌNH COCOMO II .43 Thuật toán cuckoo search(CS) 43 Hàm chất lượng ước tính (fitness) 44 Ứng dụng thuật toán Cuckoo search (CS) tối ưu tham số mơ hình CoCoMo II 44 IV KẾT QUẢ VÀ ĐÁNH GIÁ HIỆU QUẢ CỦA THUẬT TOÁN, SO SÁNH VỚI MỘT SỐ THUẬT TOÁN KHÁC 47 Kết thuật toán 47 Đánh giá hiệu thuật toán so sánh với số thuật toán khác 47 V TIỂU KẾT CHƯƠNG 49 TÀI LIỆU THAM KHẢO 50 GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn vi TỐI ƯU CÁC THAM SỐ TRONG MƠ HÌNH COCOMO ĐỂ ƯỚC LƯỢNG NỖ LỰC PHÁT TRIỂN PHẦN MỀM Học viên: Đặng Quang Văn Chuyên ngành: Khoa Học Máy Tính Mã số: ………Khóa: K32 Trường Đại học Bách khoa - ĐHĐN Tóm tắt - Ước lượng nỗ lực, chi phí phần mềm hoạt động quan trọng chu trình phát triển để kiểm sốt rủi ro lập kế hoạch lịch trình dự án Chính xác dự tốn chi phí trước bắt đầu dự án điều cần thiết cho hai nhà phát triển khách hàng Do đó, nhiều mơ hình đề xuất để giải vấn đề này, COCOMO II sử dụng rộng rãi dự án phần mềm đại Mơ hình mơ hình ước lượng nỗ lực đem lại kết ước lượng tốt dự án phần mềm, đảm bảo tính khả thi cao cho dự án Tuy nhiên, thông số chưa ước tính kết khơng gần với kết thực tế Trong luận văn này, phương pháp để tối ưu hóa tham số cho mơ hình COCOMO II cách sử dụng thuật tốn CS đề xuất lấy từ nguồn cảm hứng thiên nhiên để tối ưu hóa Hiệu suất mơ hình thử nghiệm liệu dự án phần mềm NASA Các kết báo cáo việc cải thiện thông số cung cấp mô hình COCOMO II Từ khóa - COCOMO II, dự tốn chi phí, phần mềm NASA, tối ưu hóa, thuật tốn CS OPTIMIZATION OF PARAMETERS IN COCOMO MODEL II TO ESTIMATE THE SOFTWARE DEVELOPMENT Summary - Estimating effort, software costs are an important activity in the development cycle for risk control and project scheduling Accurate estimation of costs before starting a project is essential for both developers and clients Therefore, many models have been proposed to solve this problem, in which COCOMO II has been widely used in modern software projects This model is one of the effort estimation models that has yielded the best estimate of all software projects, ensuring high feasibility for the project However, these parameters have not been estimated and the results are not close to the actual results In this essay, a new method for optimizing parameters for the COCOMO II model using the proposed CS algorithm is derived from the inspiration of nature for optimization The performance of the model was tested on NASA software project data The results reported that the improvement of parameters was provided by the COCOMO II model Keywords - COCOMO II, cost estimation, NASA software, optimization, CS algorithm GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn vii CÁC LOẠI DANH MỤC Danh mục ký hiệu, chữ viết tắt Các chữ viết tắt LTEX Kinh nghiệm ngôn ngữ công cụ PCAP Khả lập trình PCON Nhân liên tục PEXP Nền tảng Kinh nghiệm PM Nỗ lực (Người - tháng) PVOL Nền tảng biến động RELY Yêu cầu Phần mềm Độ tin cậy RUSE Yêu cầu khả sử dụng lại SCED Lịch phát triển bắt buộc SITE Phát triển đa chiều SLOC Dịng mã nguồn STOR Hạn chế lưu trữ TIME Hạn chế thời gian thực TOOL Sử dụng công cụ phần mềm TDEV Xác định thời gian để phát triển (tháng) DATA Kích thước liệu DATA CPLX Tính phức tạp sản phẩm DOCU Tài liệu phù hợp với nhu cầu vòng đời ACAP Khả phân tích AEXP Kinh nghiệm ứng dụng PREC Tính tiên tiến FLEX Tính linh hoạt phát triển RESL Kiến trúc / Giải Rủi ro TEAM Sự gắn kết đồng đội PMAT Quy trình trưởng thành SF Yếu tố quy mơ EM Yếu tố điều khiển chi phí SIZE Kích thước mã nguồn CS Thuật tốn Cuckoo search KLOC Đơn vị ngàn dịng lệnh MMRE Độ lớn trung bình lỗi tương đối PRED (N) Dự đoán mức N TLBO Thuật tốn dạy học COCOMO Mơ hình ước lượng, nỗ lực phát triển phần mềm GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn viii Các ký hiệu A B C C F E T f Hệ số Hệ số Hệ số Hệ số Hệ số mũ Hệ số mũ Các dự án Giải pháp Giải pháp Hàm chất lượng ước tính GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn ix Danh mục bảng Số Tên bảng Trang hiệu bảng 1.1 Các yếu tố quy mơ cho mơ hình COCOMO II mơ hình 14 hậu kiến trúc giao diện mô đun đáng kể, % xác định, % rủi ro đáng kể loại bỏ 1.2 Các yếu tố quy mô liên quan đến phương thức phát triển 15 COCOMO II 1.3 Các thành phần đánh giá RESL 16 1.4 Thành phần đánh giá đội 17 1.5 Yêu cầu độ tin cậy phần mềm 18 1.6 Kích thước số liệu DATA 19 1.7 Tính phức tạp sản phẩm CPLX 20 1.8 Yêu cầu khả sử dụng lại 22 1.9 Tài liệu phù hợp với nhu cầu vòng đời (DOCU) 22 1.10 Hạn chế thời gian thực (TIME) 23 1.11 Hạn chế lưu trữ (STOR) 23 1.12 Nền tảng biến động (PVOL) 24 1.13 Khả phân tích (ACAP) 24 1.14 Kinh nghiệm lập trình (PCAP) 25 1.15 Kinh nghiệm ứng dụng (AEXP) 25 1.16 Kinh nghiệm ngôn ngữ công cụ (LTEX) 25 1.17 Nhân liên tục (PCON) 26 1.18 Sử dụng công cụ phần mềm (TOOL) 26 1.19 Phát triển đa chiều (SITE) 27 1.20 Lịch phát triển bắt buộc (SCED) 27 3.1 Bảng giá trị nhân tố nỗ lực trình điều khiển chi phí dự án 38 3.2 Bảng giá trị yếu tố quy mô dự án 38 3.3 Dữ liệu dự án phần mềm NASA 39 3.4 Bảng giá trị PRED cho ước tính sử dụng CS, COCOMO II 48 TLBO 3.5 Bảng giá trị MRE cho ước tính sử dụng CS, COCOMO II 48 TLBO GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn 46 Một phần tổ tệ phát n=size(nest,1); Trạng thái phát hay không K=rand(size(nest))>pa; Giải pháp chuyến ngẫu nhiên Lévy stepsize=rand*(nest(randperm(n),:) - nest(randperm(n),:)); new_nest=nest+stepsize*K; for j=1:size(new_nest,1) s=new_nest(j,:); new_nest(j,:)=simplebounds(s,Lb,Ub); end Các bước thực tối ưu tham số mơ hình CoCoMo II Input : Tập liệu dùng để huấn luyện (các dự án khứ) Bộ tham số T cần tối ưu T= {A, B, C, D} Hàm mục tiêu fitness (f) = + f= + Output : Giá trị tối ưu tham số T = {A, B, C, D}  Bước 1: Khởi tạo số lượng n dự án ngẫu nhiên (với n = 15 dự án ) giải pháp ban đầu A, B, C D dự án  Bước 2: Qúa trình tìm kiếm dự án, giải pháp cách ngẫu nhiên phân phối LéVy  Bước 3: Đánh giá chất lượng hàm fitness = +  Bước 4: Chọn dự án n dự án ngẫu nhiên j  Bước 5: Nếu > thay j giải pháp mới, ngược lại để j giải pháp  Bước 6: Gọi k xác xuất phát dự án, giải pháp khơng có chất lượng Nếu k < 0.25 thực loại bỏ dự án, giải pháp chất lượng xây dựng giải pháp thông qua phân phối Lévy  Bước 7: Cập nhật giải pháp tốt quay lại bước  Bước 8: Tìm mục tiêu tốt dự án, tham số A, B, C D tối ưu qua bước GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn 47 IV KẾT QUẢ VÀ ĐÁNH GIÁ HIỆU QUẢ CỦA THUẬT TOÁN, SO SÁNH VỚI MỘT SỐ THUẬT TOÁN KHÁC Kết thuật toán Thuật toán tối ưu CS trên, cài đặt thông qua công cụ phần mềm Matlab mơi trường tính tốn số lập trình, thiết kế cơng ty MathWorks MATLAB cho phép tính tốn số với ma trận, vẽ đồ thị hàm số hay biểu đồ thơng tin, thực thuật tốn, tạo giao diện người dùng liên kết với chương trình máy tính viết nhiều ngơn ngữ lập trình khác Việc cài đặt thuật toán tối ưu công cụ Matlab cho giá trị tối ưu tham số A, B, C D mơ hình CoCoMo II, sau chạy thuật toán nhiều lần tìm giá trị tối ưu tốt Giá trị cụ thể tham số sau: A = 4.4019; B = 0.9332; C = 2.5334; D = 0.3505 Đánh giá hiệu thuật toán so sánh với số thuật toán khác Các hệ số mơ hình CoCoMo II sau tối ưu thuật toán CS cho kết trình bày Trong hệ số mơ hình tối ưu nhiều thuật toán khác nhau.Thuật toán dạy học (TLBO) số thuật tốn sử dụng để tối ưu hóa tham số mơ hình CoCoMo II đề xuất gần tác giả TS Lê Thị Mỹ Hạnh Khuất Thanh Tùng “Thanh Tung Khuat, My Hanh Le, "Applying Teaching-Learning to Artificial Bee Colony for Parameter Optimization of Software Effort Estimation Model," Journal of Engineering Science and Technology, 2016” Kết tối ưu sử dụng thuật toán cho giá trị tham số: A = 4.062 B = 0.857; C = 2.938; D = 0.357 Từ giá trị tham số tối ưu trên, dựa vào công thức (3.5), (3.6), (3.7), (3.8), bảng liệu thu thập từ dự án NASA mơ hình đánh giá MMRE, PRED để tính tốn, đánh giá hiệu việc tối ưu dùng thuật tốn CS Kết trình bày bảng 3.4 bảng 3.5 Trong bảng 3.5 cho thấy giá trị MMRE CS thấp nhiều so với CoCoMo II TLBO Cụ thể nỗ lực (PM), giá trị MMRE CS so với CoCoMo II thấp 19.46%, so với TLBO thấp 6.46% Còn thời gian (TDEV), giá trị MMRE CS so với CoCoMo II thấp 16,01%, so với TLBO thấp 1.62% Tương tự bảng 3.4 cho thấy giá trị PRED(N) CS lớn nhiều so với CoCoMo II TLBO mức dự đoán Ở đây, N mức dự đoán giá trị N chọn từ 10 đến 40 để đánh giá Cụ thể nỗ lưc, số phần trăm dự án nằm 20% ước lượng khơng xác CS so với TLBO cao 13.34%, so với CoCoMo II cao 26.67% Còn thời gian(TDEV) CS so với TLBO GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn 48 cao 20%, so với CoCoMo II cao 66.67%, việc phân tích đánh giá mức dự đốn tương tự Như vậy, với việc sử dụng thuật toán CS để tối ưu tham số mơ hình CoCoMo II xác gần với thực tế so với sử dụng thuật toán TLBO việc tối ưu tham số cải thiện nhiều ước lượng nỗ lực, chi phí thời gian so với mơ hình CoCoMo II ban đầu Bảng 3.4: Bảng giá trị PRED cho ước tính sử dụng CS, CoCoMo II TLBO PRED Nỗ lực (PM) CoCoMo II TLBO CS % % % PRED(10) 6.66 6.66 13.33 PRED Thời gian (TDEV) CoCoMo II TLBO CS % % % 6.66 73.33 66.66 PRED(20) 13.33 26.66 40 33.33 80 100 PRED(30) 13.33 40 66.66 66.66 100 100 PRED(40) 33.33 60 73.33 100 100 100 Bảng 3.5: Bảng giá trị MRE cho ước tính sử dụng CS, CoCoMo II TLBO Dự án 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 MMRE MRE Nỗ lực (PM) COCOMO II TLBO CS 0.703 0.617 0.388 0.727 0.621 0.455 0.388 0.134 0.212 0.106 0.309 0.747 0.165 0.235 0.624 0.374 0.078 0.220 0.417 0.116 0.121 0.501 0.373 0.043 0.508 0.339 0.003 0.586 0.400 0.186 0.315 0.438 0.167 0.624 0.577 0.368 0.588 0.130 0.424 0.687 0.504 0.232 0.595 0.463 0.175 48.60 % 35.61 % 29.14 % GVHD: TS Lê Thị Mỹ Hạnh MRE Thời gian (TDEV) COCOMO II TLBO CS 0.328 0.025 0.004 0.252 0.003 0.043 0.156 0.071 0.017 0.113 0.103 0.052 0.108 0.123 0.043 0.112 0.088 0.016 0.218 0.061 0.135 0.288 0.026 0.024 0.311 0.046 0.075 0.285 0.090 0.148 0.320 0.068 0.101 0.165 0.246 0.040 0.303 0.213 0.202 0.312 0.128 0.125 0.313 0.054 0.078 23.94 % 9.01 % 7.39 % HV: Đặng Quang Văn 49 V TIỂU KẾT CHƯƠNG Như vậy, Trong chương luận văn tơi trình bày chi tiết cách tối ưu tham số mơ hình CoCoMo II sử dụng thuật tốn Cuckoos search (CS) để ước lượng nỗ lực, chi phí thời gian phát triển dự án phần mềm Trong đó, giới thiệu lý tối ưu, mơ hình đánh giá phân tích mơ hình tuyến tính mơ hình CoCoMo II Giới thiệu sơ lược thuật toán CS ứng dụng thuật toán vào việc tối ưu tham số A, B, C D mơ hình CoCoMo II Kết tối ưu giá trị tham số lần lược A = 4.4019; B = 0.9332; C = 2.5334; D = 0.3505 Dựa vào liệu thu thập từ dự án NASA, công thức (3.5), (3.6), (3.7), (3.8) kỹ thuật đánh giá để tính tốn, đánh giá kết tối ưu sử dụng thuật toán CS so với số thuật toán khác thuật toán TLBO Việc đánh giá rằng, sử dụng thuật toán CS để tối ưu tham số mơ hình CoCoMo II tốt nhiều so với sử dụng thuật toán TLBO việc tối ưu tham số cải thiện nhiều ước lượng nỗ lực, chi phí thời gian so với mơ hình CoCoMo II ban đầu KẾT LUẬN VÀ KIẾN NGHỊ Ước tính xác chi phí phần mềm hoạt động quan trọng việc lập kế hoạch dự án Qua việc áp dụng thuật tốn CS vào việc tối ưu hóa tham số mơ hình COCOMO II dẫn đến ước lượng nỗ lực, chi phí thời gian gần sát với thực tế Do đó, thuật tốn đề xuất giải vấn đề tối ưu hóa đạt kết xác cách tối ưu hố hệ số mơ hình COCOMO II Các kết thu góp phần vào việc phát triển dự án phần mềm thời gian ngân sách Tuy nhiên, tồn số nhược điểm nghiên cứu trình bày Các thí nghiệm thực dự án NASA đặc trưng dòng mã, số yếu tố quy mơ nhân tố nỗ lực trình điều khiển chi phí Kết thu mơ hình cải thiện xác so với mơ hình COCOMO II ban đầu dự án NASA Do thu thập liệu sưu tập liệu dự án NASA, nên chưa chứng minh thí nghiệm Do đó, tơi dự định áp dụng mơ hình cải tiến cho nghiên cứu thực nghiệm dự án NASA tương lai GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn 50 TÀI LIỆU THAM KHẢO [1] Abts, C.; Clark, B.; Devnani-Chulani, S.; Horowitz, E.; Madachy, R.; Reifer, D.; Selby, R.; and Steece, B (1998) COCOMO II model definition manual Center for Software Engineering, University of Southern California [2] Thanh Tung Khuat, My Hanh Le, "Applying Teaching-Learning to Artificial Bee Colony for Parameter Optimization of Software Effort Estimation Model," Journal of Engineering Science and Technology, 2016 [3] J Kaur and R Sindhu, “Parameter estimation of COCOMO II using tabu search”, Int J Comp Sci Inform Technol., vol 5, no 3, pp 4463–4465, 2014 [4] B Boehm, B Clark, E Horowitz, C Westland, R Madachy, and R Selby, “Cost Models for Future Software Life Cycle Processes: COCOMO 2.0”, Annals of Softw Engin., vol 1, no 1, pp 57–94, 1995 [5] Shilane D., Martikainen J., Dudoit S., Ovaska S J., A general frame- work for statistical performance comparison of evolutionary computation algorithms, Information Sciences: an Int Journal, 178, 2870-2879 (2008) [6] Shlesinger M F., Zaslavsky G M and Frisch U (Eds), Le´vy Flights and Related Topics in Phyics, Springer, (1995) [7] Shlesinger M F., Search research, Nature, 443, 281-282 (2006) [8] Yang X S., Nature-Inspired Metaheuristic Algorithms, Luniver Press, (2008) [9] Yang X S., Biology-derived algorithms in engineering optimizaton (Chapter 32), in Handbook of Bioinspired Algorithms and Applications (eds Olarius & Zomaya), Chapman & Hall / CRC (2005) [10] Chen, Z.; Menzies, T.; Port, D.; and Boehm, B (2005) Feature subset selection can improve Software Cost Estimation Accuracy Proceedings of the 2005 workshop on Predictor Models in Software Engineering New York, USA, 1-6 [11] H Zheng and Y Zhou, “A Novel Cuckoo Search Optimization Algorithm Base on Gauss Distribution”, Journal of Computational Information Systems 8: 10, 4193– 4200, 2012 [12] Tập liệu thử nghiệm gồm 93 dự án phần mềm NASA, trích dẫn từ link http://openscience.us/repo/effort/cocomo/nasa93.html GVHD: TS Lê Thị Mỹ Hạnh HV: Đặng Quang Văn