مقاله انگلیسی مهندسی نرم افزار هوشمند در زمینه توسعه نرم افزار چابک (2020 الزویر)

مهندسی نرم افزار هوشمند (ISE) به کاربرد تکنیک های هوشمند در مهندسی نرم افزار اشاره دارد. ما یک تکنیک هوشمند را به عنوان تکنیکی برای کشف داده ها (از مصنوعات دیجیتال یا کارشناسان حوزه) برای کشف دانش ، استدلال ، یادگیری ، برنامه ریزی ، پردازش زبان طبیعی ، ادراک یا پشتیبانی از تصمیم گیری کاوش می کنیم.

هدف: هدف از این مطالعه تلفیق و تجزیه و تحلیل وضعیت هنر زمینه استفاده از تکنیک های هوشمند در توسعه نرم افزار چابک (ASD) است. علاوه بر این ، بلوغ آن را ارزیابی می کنیم و خطرات فرزندخوانی را شناسایی می کنیم.

روش: با استفاده از یک بررسی منظم ادبیات ، 104 مطالعه اولیه را شناسایی کردیم که منجر به 93 مطالعه منحصر به فرد شد. نتایج: ما مشخص کردیم که در تعداد مطالعات کاربرد تکنیکهای هوشمند در ASD روند مثبت وجود دارد. همچنین ، ما تعیین کردیم که استدلال در عدم قطعیت (به طور عمده ، شبکه بیزی) ، راه حل های مبتنی بر جستجو و یادگیری ماشین محبوب ترین تکنیک های هوشمند در زمینه ASD هستند. از نظر اهداف ، محبوب ترین آنها تخمین تلاش ، اولویت بندی الزامات ، تخصیص منابع ، انتخاب الزامات و مدیریت نیازها است. علاوه بر این ، ما متوجه شدیم که هدف اصلی استفاده از تکنیک های هوشمند پشتیبانی از تصمیم گیری است. در نتیجه ، خطرات پذیرش از نظر ایمنی راه حل های فعلی کم است. در آخر ، ما روند استفاده از تکنیک های هوشمند قابل توضیح را برجسته می کنیم.

1. مقدمه

از بدو تأسیس ، هدف اصلی مهندسی نرم افزار ارتقاء کیفیت و بهره وری نرم افزار است. برای این منظور ، ابتکارات بسیاری پدید آمده است ، از جمله مدلهای بلوغ ، روشهای رسمی [1] ، نرم افزار مجدداً محور 5 مهندسی [2] و مهندسی نرم افزار مبتنی بر ارزش [3]. اخیراً با افزایش روزافزون داده های تولید شده توسط ابزارهایی مانند سیستم های نسخه نویسی نرم افزار (به عنوان مثال ، Git1) ، ساخت سیستم های مدیریتی (به عنوان مثال ، Jenkins2) و سیستم عامل های مدیریت پروژه (به عنوان مثال ، Jira3) ، زمینه ظهور ظاهر می شود: نرم افزار هوشمند مهندسی (ISE). Xie [4 ، 5] ISE 10 را با دو منظر تعریف می کند. اول ، به عنوان استفاده از فن آوری های هوش مصنوعی (AI) در مهندسی نرم افزار. دوم ، به عنوان توسعه راه حل های مهندسی نرم افزار برای نرم افزار هوشمند. در این مطالعه ، ما فقط به چشم انداز اول شی می پردازیم. ما آن را با تعریف اصطلاح “تکنیک هوشمند” به عنوان اکتشاف داده ها (از مصنوعات دیجیتال یا کارشناسان حوزه) برای 15 کشف دانش ، استدلال ، یادگیری ، برنامه ریزی ، پردازش زبان طبیعی ، ادراک یا حمایت از تصمیم گیری ، تکمیل می کنیم. بنابراین ، در چارچوب این کار ، داده کاوی ، منطق فازی ، یادگیری ماشین ، سیستم های خبره و الگوریتم های جستجو (به عنوان مثال ، هوش swarm ، الگوریتم های تکاملی) نمونه هایی از تکنیک های هوشمند هستند. از طرف دیگر ، ما روش های رسمی ، 20 مدل سازی شبیه سازی فرایند نرم افزار [6] و توسعه مدل محور [7] را تکنیک های هوشمند نمی دانیم. در این زمینه ، نمونه هایی از مضامین موجود در ISE عبارتند از: جستجوی و بهینه سازی [8] ، یادگیری ماشین [9] ، سیستم های توصیه کننده [10] ، شبکه های بیزی [11] ، آنالیز نرم افزار [12] ، تجزیه و تحلیل داده های بزرگ [13 ] و تجزیه و تحلیل تصمیمات در مهندسی نرم افزار [14 ، 15].

توجه؛ (این ترجمه توسط نرم افزار انجام شده و ویرایش نشده است و احتمال وجود اشتباه در آن وجود دارد. در صورت ثبت سفارش، ترجمه توسط مترجمین مجرب انجام خواهد شد. برای مشاهده نمونه ترجمه های تخصصی و اخیر مترجمین جهت اطمینان از کیفیت ترجمه، اینجا کلیک نمایید.)

Abstract

Intelligent Software Engineering (ISE) refers to the application of intelligent techniques to software engineering. We define an “intelligent technique” as a technique that explores data (from digital artifacts or domain experts) for knowledge discovery, reasoning, learning, planning, natural language processing, perception or supporting decision-making.

OBJECTIVE: The purpose of this study is to synthesize and analyze the state of the art of the field of applying intelligent techniques to Agile Software Development (ASD). Furthermore, we assess its maturity and identify adoption risks.

METHOD: Using a systematic literature review, we identified 104 primary studies, resulting in 93 unique studies. RESULTS: We identified that there is a positive trend in the number of studies applying intelligent techniques to ASD. Also, we determined that reasoning under uncertainty (mainly, Bayesian network), search-based solutions, and machine learning are the most popular intelligent techniques in the context of ASD. In terms of purposes, the most popular ones are effort estimation, requirements prioritization, resource allocation, requirements selection, and requirements management. Furthermore, we discovered that the primary goal of applying intelligent techniques is to support decision making. As a consequence, the adoption risks in terms of the safety of the current solutions are low. Finally, we highlight the trend of using explainable intelligent techniques.

1.Introduction

Since its inception, the primary goal of software engineering is to improve software quality and productivity. For this purpose, many initiatives have emerged, including maturity models, formal methods [1], reuse-driven software 5 engineering [2], and value-based software engineering [3]. More recently, with the increasing amount of data generated by tools such as software versioning systems (e.g., Git1 ), build management systems (e.g., Jenkins2 ) and project management platforms (e.g., Jira3 ), an emergent field is appearing: the Intelligent Software Engineering (ISE). Xie [4, 5] defines ISE 10 with two perspectives. First, as the application of artificial intelligence (AI) technologies to software engineering. Second, as the development of software engineering solutions for intelligent software. In this study, we only focus on Xie’s first perspective. We complement it by defining the term “intelligent technique” as the exploration of data (from digital artifacts or domain experts) for 15 knowledge discovery, reasoning, learning, planning, natural language processing, perception or supporting decision-making. Therefore, in the context of this work, data mining, fuzzy logic, machine learning, expert systems, and search algorithms (e.g., swarm intelligence, evolutionary algorithms) are examples of intelligent techniques. On the other hand, we do not consider formal methods, 20 software process simulation modeling [6], and model-driven development [7] as intelligent techniques. In this context, examples of themes included under ISE are the application of search and optimization [8], machine learning [9], recommender systems [10], Bayesian networks [11], software analytics [12], big data analysis [13] and decision analysis in software engineering [14, 15].