Параметры коммуникативности:
Программный продукт обладает свойством коммуникативности, если он позволяет легко описывать входные данные и выдает информацию: форма и содержание которые просты для понимания и несут полезные сведения.
Каждый показатель оценивается в баллах.
Пример показателей для коммуникативности:
КМ1 — предусматривает ли программа выдачу всех входных данных (1-5 баллов).
КМ2 — оценивает способна ли программа распознать конец входных данных без пользователя и указать количество входных данных (1-5).
КМ3 — содержит ли программа описание всех результатов тестирования (1-3).
КМ4 — предусмотрено ли в программе выдача четких сообщений по ошибкам в случае их возникновения (1-5).
КМ5 — предоставляет ли программа средства, позволяющие прогонять повторяющиеся тесты без излишнего описания и изменяющихся значений входных данных (1-4).
КМ6 — предусматривается ли в программе выдача промежуточных результатов по запросу (1-5).
КМ7 — все ли выделяемые результаты снабжены описанием шапок (1-5).
КМ8 — содержит ли программа средства трассировки и отображения логики передачи правления (1-5).
КМ9 — спроектированы ли основные формы выдачи результатов.
КМ10 — оценивает, обеспечены ли программы нумерацию страниц в выдаваемых документов для облегчения визуального анализа [1-3].
5–ти бальная шкала применяется в том случае, когда крайне важно, чтобы данный показатель имел высокое значение, иначе возможны серьезные затруднения.
4–х — важно иметь высокие значения.
3–х — хорошо бы иметь высокое значение.
2–х — в некоторых случаях полезно иметь высокое значение данного показателя.
,
— возможных критериев.
Можно использовать для оценки программные обеспечения.
Для синтеза многокомпонентных критериев привлекаются эвристические методы и эксперты.
Эксперты оценивают множество программных продуктов.
— программные продукты хорошего качества.
— программный продукт неудачного качества.
— т.е. пересечение двух классов, пустое множество.
На основе работающих экспертов можно синтезировать критерий.
Лекция № 5
Синтез критериев с помощью эвристических алгоритмов метода самоорганизации математических моделей. Метод группового учета аргументов
Критерий может описываться не только линейным способом.
Пример: Пусть есть множество:
Работа алгоритмического метода разбивается на ряд этапов (на ряды селекции):
На первом ряду селекция в качестве простейших оценочных функций критериев, возьмем множество характеристик ПО.
Исходные функции оцениваются в баллах. Для к-й исходной функции вводятся формульное соотношение.
Определение величины этой функции в баллах по предъявленному ПО, также указаны пределы значений этих функций или показатели критерия при котором ПО считается качественным или неудовлетворительного качества.
1-й шаг алгоритма:
Множество простых оценочных функций используются для классификации исходного множества М ПО.
2-й шаг алгоритма:
Для каждой простейшей оценочной функции (критерия) на 1-м ряду селекции подчиняется число правых оценок ПО.
,
где отрицательного качества:
3-й шаг алгоритма:
По показателю отбираются на перед заданное число r оценочных функций:
которое имеет максимальное значение.
Процесс синтеза критериев прекращается, если хотя бы одна из функций правильно проклассифицирована, все множество M ПО. Найденная функция становится тем самым критерием, который будет использоваться для оценки ПО.
4-й шаг алгоритма:
Проверка полученного множества оценочных функций на возможность правильной классификации всех элементов множества m. Если обнаруживаются элементы множества M, которые не могут быть правильно проклассифицированы отобранными оценочными функциями: , тогда в множество включить дополнительные функции, имеющие более низкое значение величины по правильной классификации.
5-й шаг алгоритма:
Во второй ряд селекции пропускается только оценочные функции множества .
6-й шаг алгоритма:
Из множества на втором ряду селекции синтезируется множество двухчленных оценочных функций.
; ; ;
7-й шаг алгоритма:
к-я оценочная функция второго ряда селекции, используются для классификации ПО множества М. Также, как и на первом ряду селекции для оценки элементов множества используется число правильной классификации исходных ПО.
8-й шаг алгоритма:
Выполняется шаг 3-го алгоритма для оценочных функций , т.е. отбирается подмножество лучших оценочных функций второго ряда селекции.
Если хотя бы одна правильно проклассифицирована, все множество М ПО, то процесс синтеза критерия прекращается.
9-й шаг алгоритма:
Правильные условия окончательного процесса синтеза и селекции оценочных функций по числу рядов селекции, по условиям отсутствия улучшения показателей качественных оценочных функций максимального ряда селекции с одним или несколькими предшествующими рядами по достижению проделанных правильных классификаций.
10-й шаг алгоритма:
4-й шаг, для множества оценочных функций .
Могут ли проклассифицировать М2 если нет, то , рассматривается за счет худших критериев.
Если таких критериев не окажется на втором ряду, то используют оценочные функции первого ряда селекции:
11-й шаг алгоритма:
В третьей ряд селекций пропускается оценочные функции множества .
12-й шаг алгоритма:
Аналогичен шестому шагу:
Процесс и селекции оценочной функций продолжаются до тех пор пока не будут выполнены условия окончания работы алгоритма.
1 часть — полученный критерий (оценочная функция), которая классифицирует или все ПО или заданный процент этих ПО.
2 часть — не получена.
Для классификации ПО используется не одна оценочная функция, а некоторое их множество, либо запустить исходный алгоритм на повторные расчеты. При повторной работе алгоритма используется либо другое множество оценочных функций либо другие пары самого алгоритма метода группового учета алгоритма, т.е. меняется число пропускных критериев в следующий ряд селекции, меняется число исходных коэффициентов Сі.
Сравнение объектов по векторному критерию
→j
P1=K1
P2
…..
Pm
i↓
a1
P1(a1)
P2(a1)
Pm(a1)
a2
…
an
P1(an)
Pm(an)
Это правило абсолютного предпочтения.
Объект считается предпочтительнее или лучше , тогда когда для всех показателей , где выполняется соотношение:
(1)
лучше , когда хотя бы одно из неравенств (1) является строгим. Это слабое решающие правило т.к. число объектов, которое можно упорядочить с помощью этого правила невелико.
Достоинство: Правило транзитивно.
Если есть объект и объект , тогда выполняется, что объект .
Решающее правило с предпочтениями по правилу большинства
Альтернатива или объект считается лучшим, если для альтернативы число показателей больше числа показателей альтернативы , по которому превосходят альтернативу .
, тогда
,
Альтернатива лучше , если превосходит , по большему числу компонентов.
Необязательно:
Пример:
Наглядность полн.
документации
Среднее время ввода значений
Среднее время отклика на задание
Шкала отл., хор., неуд.
Секунды шкала 1-1000
Секунды шкала 1-1000
А
Отличное
В
Удовлетворительное
С
Хорошее
Лекция № 6
Критерии использующие бальные оценки
Использование числовых значений не всегда удобно, в большинстве случаев лучше использовать не конкретные числовые оценки в определенных единицах, а некоторые общие оценки в абстрактных единицах или баллах. При этом для каждого показателя или каждых компонент вектора нужно установить определенное число градаций, при этом в качестве низшей оценки рекомендуется использовать “1”.
При этом таблицы показателей объектов или альтернатив преобразовываются в таблицы бальных оценок и сравнение альтернатив выполняются с помощью таблицы бальных оценок.
Пример:
P1
P2
P3
P4
P5
P6
a
b
c
d
e
f
g
Покупатель хочет купить компьютер, есть:
(a-g) — альтернативы;
Р — характеристики;
— цена;
— объем ОЗУ;
— объем диска и т.д.
Можно рассмотреть случай, когда объект (альтернатива) лучшая по большинству, но по каким-то показателям — худшие и в этом случае необходимо предпочтение по большинству нужно уточнить.
Или для того, чтобы например:
1. необходимо, чтобы ни один из показателей альтернативы не принимал наименьшего значения.
2. если рассматривается множество нужно принимать наименьшим 1,2.
3. рассматривается таблица бальных значений и рассматривается случай, когда альтернатива лучше альтернативы , но для выполнения альтернативы требуется два показателя:
— число показателей (лучших) было больше числа лучших показателей альтернативы .
— чтобы выполнялись дополнительные условия относительно лучшей альтернативы (например, чтобы лучшая альтернатива не содержала показателей принимающих наименьшее значение).