سعیده جهانشاهی - گروه مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران
وحید خطیبی بردسیری - استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد بردسیر، کرمان، ایران
رضوان حسنی سعدی - گروه مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران
معصومه مقبلی - گروه مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران

تخمین دقیق میزان هزینه و زمان مورد نیاز یک پروژه نرم افزاری به خصوص در مراحل اولیه توسعه، اهمیت بسیاری در مدیریت موثر پروژه های نرم افزاری دارد. مدلهای زیادی جهت تخمین میزان تلاش یک پروژه نرم افزاری ابداع شده اند که از بین آنها مدل کوکومو یکی از معروفترین و متداولترین مدلها می باشد. اما به دلیل آنکه اطلاعات کمی به خصوص در مراحل اولیه پروژه در دست می باشد، دقت تخمین این مدل پایین است که این امر منجر به انجام تحقیقات گسترده جهت ترکیب این مدل با تکنیکهای مختلف و افزایش دقت آن شده است. تنوع کارهای تحقیقاتی انجام شده و عدم وجود یک مقاله مروری جامع، انجام کار پژوهشی در این حوزه را دشوار نموده است. هدف از نگارش این مقاله، مروری بر چهار تکنیکی است که تاکنون جهت بالا بردن دقت تخمین مدل کوکومو بر روی آن اعمال شده است:الگوریتم های بهینه سازی، منطق فازی، شبکه های هوشمند عصبی و الگوریتم های دسته بندی. در این مقاله با بررسی و مقایسه مطالعات قبلی، روشهای بهبود کوکومو، بخشهایی که هرکدام از این روشها در مدل کوکومو بهبود داده اند و میزان این بهبود مورد تجزیه و تحلیل قرار گرفته است.

تخمین تلاش، پروژه نرم افزاری، کوکومو،محاسبات نرم