在資訊科技業中，評估一精準的專案工作量對軟體公司在成本及時程上的節約，皆都有莫大的貢獻。因此，本研究將運用差分演化演算法( Differential Evolution )來評估一軟體專案之工作量，主要是希望使用新的最佳化演算法，來尋求出專案間更精準的工作量成本之評估值。在演算法的每個世代中，染色體都先用評估等級(Pred)和平均誤差率(MMRE)找出各自的適應值，接著利用突變、交配、天擇和區域搜索的方法來更新並且取代較差的向量解，經由重覆上述之方法，會使的染色體之適應值不斷的往最佳解演化、趨近，最後必能找到一評估軟體專案之最佳的參數。本研究利用COCOMO中的63筆歷史專案來進行測試，最後的實驗結果顯示出差分演化演算法確實能比其他的評估方法，更有效的找到專案間工作量之最佳評估值。

In Information Technology Industry, how to accurately estimate one project’s spending in the cost and works always plays a very important role in software companies. Therefore, this research will applies differential evolution, a new algorithm, to estimate the optimal volume of works in software projects to acquire biggest benefit in the cost. In algorithm, generations of chromosomes firstly use Pred and MMRE to figure out their fitness then keep renewing their values by Mutation, Crossover, Selection, and Local Search to substitute the older and worse vector solutions. In the process of repeating these technique, finally, vector solutions will be refine to their optimal volume which can be used in estimating software projects.

中文摘要 ii
ABSTRACT iii
致謝 iv
目錄 v
圖目錄 vii
表目錄 viii
第1章 緒論 9
1.1研究背景 9
1.2研究目的 10
1.3 研究範圍與限制 10
1.4 論文架構與步驟 11
1.5 論文架構 14
第2章 文獻探討 15
2.1 COCOMO模式 15
2.2 COCOMO-Ⅱ 17
2.3 軟體成本評估方法 18
2.4差分演算法 19
2.5模擬退火演算法 19
第3章 研究方法 21
3.1 差分演化演算法系統之介紹 21
3.2績效指標 27
3.2.1 平均誤差率(MMRE) 27
3.2.2 評估等級Pred(x) 28
3.3 演算法流程 28
第4章 範例說明 30
4.1系統流程 30
4.2 差分演化演算法範例說明 30
第5章 實驗結果與評估 34
5.1 參數測試與實驗參數的設定 35
5.2 系統對區域搜索的實驗 38
5.3 與其他文獻作實驗結果的比較 39
第6章 結論 42
6.1 對於研究後的結論 42
6.2. 未來計畫 42
參考文獻 43
附錄 46
附表一 COCOMO軟體專案歷史資料之第一型：基本型模式 46
附表二 COCOMO軟體專案歷史資料之第二型：半分離型模式 47
附表三 COCOMO軟體專案歷史資料之第三型：嵌入式模式 48

[林信惠2002] 林信惠、黃明祥、王文良著，「軟體專案管理」，智勝文化，2002
[孫文祥2000] 孫文祥，「談軟體專案失敗的六大關鍵」，2000
[劉亦真2002] 劉亦真，「軟體專案資料分類對工作量預估值精確性之影響」，台灣科技大學資訊管理研究所碩士論文，2002
[張祚佳2005] 張祚佳，「應用模擬退火法於軟體工作量預估之研究」，台灣科技大學資訊管理研究所碩士論文，2005
[賴秀女2001] 賴秀女，「軟體系統複雜度評估－一種修正的堆疊基馬可夫模式」，南華大學資訊管理研究所碩士論文，2001
[許兆榕2004] 許兆榕，「多因子資料分群對軟體工作量預估值精確性影響之研究」，台灣科技大學資訊管理研究所碩士論文，2004
[鄭滄濱2000] 鄭滄濱，「軟體組織提升人員能力之成熟度模糊評估模式」，台灣科技大學資訊管理研究所碩士論文，2000
[鄭宇修2002] 鄭宇修，「模糊類神經網路軟體工作量預估模式」，台灣科技大學資訊管理研究所碩士論文，2002
[黃信嘉2008] 黃信嘉，「差分動態分群演算法」，大同大學資訊工程研究所碩士論文，2008
[吳建寬2008] 吳建寬，「差分演化演算法應用於單元形成問題」，大同大學資訊工程研究所碩士論文，2008
[飛思科技產品研發中心2005] 飛思科技產品研發中心著，「軟體測試理論與實作」，博碩文化，2005
[張國鴻2000] 張國鴻著，「數位式競爭全球軟體公司的致勝策略」，天下遠見出版有限股份公司，2000
[林煒祐2007] 林煒祐，「使用類推及迴歸技術之同質性軟體維護工時評估系統」，台灣海洋大學資訊工程研究所碩士論文，2007
[曾國泰2008]曾國泰, 「螢火蟲最佳化分群演算法」，大同大學資訊經營學系研究所碩士論文，2008
[Boehm1981] Boehm, B.W. “Software Engineering Economics” ,Englewood Cliffs ,NJ：Prentice-Hall,1981
[Boehm2000] Boehm, B.W. “Software Cost Estimation with COCOMO Ⅱ” ,Englewood Cliffs ,NJ：Prentice-Hall,2000
[Nasir2006] Nasir, M. “A Survey of Software Estimation Techniques and Project Planning Practices,” IEEE Conference Proceeding, 19-20 June 2006, Page(s):305 – 310,2006
[Turgut2003] Turgut, D., Turgut, B., Elmasri, R.and Le, T.V. “Optimizing clustering algorithm in mobile ad hoc networks using simulated annealing,” IEEE Conference Proceeding, 20-20 March 2003, Page(s):1492 – 1497 vol.3,2003
[Paterlini2004] Paterlini, S.and Krink, T. “High performance clustering with differential evolution,” IEEE Conference Proceeding, 19-23 June 2004, Page(s):2004 – 2011 vol.2,2004
[Boehm1984] Boehm, B.W. “software engineering economics,” IEEE Conference Proceeding, June 1984, Vol. 10,No.1,pp.4-21,1984
[Storn1995] Storn, R. and Price, K. ”Differential Evolution – A simple and Efficient AdaDtive Scheme for Global Optimization over Continuous Spaces,” Technical Report, TR-95.012, ICSI,1995
[Storn1997] Storn, R.and Price, K. “Differential evolution — A simple and efficient heuristic for global optimization over continuous spaces,” Journal of Global Optimization, Vol. 11, No. 4, pp. 341–359,1997
[Kirkpstrick1982] Kirkpstrick, S., Gelatt, C. D. Jr. and Vecchi, M.P. “Optimization by Simulated Annealing,” IBM Research Report RC 9355,1982
[Paterlini2006] Paterlini, S. P.and Thiemo, K. “Differential evolution and particleswarm optimisation in partitional clustering,” Computational Statistics& Data Analysis 50 (2006) 1220 – 1247