基于CBR 的軟件項(xiàng)目成本估算方法

段美美，于本海，朱 萌

（1.山東師范大學(xué) 管理科學(xué)與工程學(xué)院，山東 濟(jì)南250014；2.山東工商學(xué)院管理科學(xué)與工程學(xué)院，山東 煙臺(tái)264005；3.山東工商學(xué)院 審計(jì)處，山東 煙臺(tái)264005）

0 引 言

軟件項(xiàng)目成本估算是對(duì)完成項(xiàng)目規(guī)模以及開發(fā)過程中所需總工作量的預(yù)測(cè)［1］，是制定項(xiàng)目進(jìn)度計(jì)劃和資源合理分配的主要參考依據(jù)。但在開發(fā)過程中，尤其在軟件項(xiàng)目開發(fā)前期，開發(fā)人員對(duì)軟件需求功能了解不透徹，獲取成本數(shù)據(jù)不準(zhǔn)確，且項(xiàng)目面臨各種不確定性風(fēng)險(xiǎn)因素，很難構(gòu)造一個(gè)相對(duì)準(zhǔn)確的估算模型。項(xiàng)目成本估算過高會(huì)造成增加競標(biāo)成功的難度；過低則會(huì)造成后期項(xiàng)目延期或者產(chǎn)品質(zhì)量下降，甚至項(xiàng)目失敗。在實(shí)際開發(fā)過程中，由于軟件項(xiàng)目受到投入成本不斷提高、開發(fā)經(jīng)費(fèi)有限的雙重限制，因成本估算不準(zhǔn)確導(dǎo)致項(xiàng)目延期甚至失敗，并造成經(jīng)濟(jì)損失的案例越來越多。因此，提高成本估算精度是項(xiàng)目管理的核心問題，成本估算研究的成熟和完善也將對(duì)軟件行業(yè)規(guī)范化發(fā)展起到重要作用。

目前，常用的軟件成本估算方法主要有模型型與算法型2種。在模型法中最常用的為COCOMO、COCOMO II模型等。采用模型法可以借鑒歷史數(shù)據(jù)，但是項(xiàng)目甲乙雙方信息不對(duì)稱、項(xiàng)目需求不確定，軟件開發(fā)前期部分?jǐn)?shù)據(jù)不精確，成本驅(qū)動(dòng)因子不易確定，使用模型法進(jìn)行估算精度相對(duì)較差。在算法型估算中，常用的有類比估算、專家判斷、遺傳算法等方法。Mukhopadhyay等將類比估算法用于軟件項(xiàng)目工作量的估算，并驗(yàn)證其準(zhǔn)確度高于基于COCOMO 模型的成本估算方法。但類比估算應(yīng)用必須存在類似可比的知識(shí)體系且需要較大的存儲(chǔ)容量，具有一定局限性。為了降低案例檢索的難度及工作量，本文對(duì)人工智能領(lǐng)域基于案例推理 （case－based reasoning，CBR）技術(shù)加以改進(jìn)，應(yīng)用于軟件項(xiàng)目成本估算中。

CBR 技術(shù)現(xiàn)已在軟件需求分析、軟件工作量估算等領(lǐng)域廣泛應(yīng)用。鄭康寧等運(yùn)用高斯指標(biāo)代替歐式距離，高效處理相似度計(jì)算過程中的非線性數(shù)據(jù)［2］，但針對(duì)存在較多線性數(shù)據(jù)的模型，該方法通用性受到限制。付雅芳等改進(jìn)遺傳算法，應(yīng)用在歷史數(shù)據(jù)較多、關(guān)鍵屬性權(quán)重不確定的案例搜索中，減小估算誤差，但相對(duì)計(jì)算量較大［3］。將CBR、灰色關(guān)聯(lián)分析等結(jié)合進(jìn)行軟件成本估算的研究并不多見。本文充分借鑒CBR 技術(shù)在相同或相似案例獲取以及推理方面的優(yōu)勢(shì)，對(duì)軟件項(xiàng)目成本估算及其影響因素進(jìn)行分析，充分發(fā)揮灰色關(guān)聯(lián)分析依據(jù)相似度判斷關(guān)聯(lián)性時(shí)可打破常規(guī)數(shù)理統(tǒng)計(jì)對(duì)樣本量、樣本規(guī)律的限制，尤其在案例相對(duì)較少時(shí)，計(jì)算量較小的優(yōu)勢(shì)，構(gòu)建基于CBR 的軟件項(xiàng)目成本估算模型 （CBRCEM），應(yīng)用灰色關(guān)聯(lián)分析進(jìn)行相似案例檢索，通過已完成軟件項(xiàng)目的歷史數(shù)據(jù)和項(xiàng)目經(jīng)驗(yàn)，進(jìn)行軟件項(xiàng)目前期 （市場(chǎng)招標(biāo)期或者合同期）的成本估算，進(jìn)一步提高估算精確度和準(zhǔn)確度，進(jìn)而提高項(xiàng)目成功率。

1 軟件項(xiàng)目管理中的成本估算

成本估算是降低軟件預(yù)算超支問題的直接舉措之一，直接影響資源分配、項(xiàng)目招標(biāo)、計(jì)劃安排等管理活動(dòng)。成本估算貫穿于項(xiàng)目招標(biāo)之前、開發(fā)過程中或者WBS變更、項(xiàng)目各分解模塊等整個(gè)軟件生命周期中。為減小估算誤差，必須充分考慮估算過程中的制約因素，對(duì)軟件工作量做出精確估算，最終得到相對(duì)量化的結(jié)果［4］。在成本估算過程中應(yīng)充分考慮項(xiàng)目規(guī)模、開發(fā)工具、資源需求、人員變更、項(xiàng)目變更、風(fēng)險(xiǎn)等諸多影響因素。資源限制、質(zhì)量標(biāo)準(zhǔn)和規(guī)范要求、變更頻率等因素均直接影響項(xiàng)目成本。成本估算重要性直接促使專家學(xué)者在估算模型方面的研究工作［5］。目前常用的算法模型估算方法主要有自頂向下 （類比）估算法［6］，專家判斷法［7］，自底而上估算法，參數(shù)估算法，算法估計(jì)法，遺傳算法，神經(jīng)網(wǎng)絡(luò)等等。軟件成本估算中常用算法比較分析見表1。

表1 軟件成本估算常用算法比較

應(yīng)用CBR 進(jìn)行軟件項(xiàng)目成本估算的優(yōu)勢(shì)在于：①基于相同或類似案例發(fā)生會(huì)得到相同或類似結(jié)果的構(gòu)建原理，通過增量式學(xué)習(xí)對(duì)案例調(diào)整擴(kuò)充和重復(fù)使用，擴(kuò)大案例庫的覆蓋度，有效提高估算精確度。②CBR 與Delphi法相似，但CBR 具有復(fù)用性，可在現(xiàn)有經(jīng)驗(yàn)基礎(chǔ)上調(diào)整決策，有效避免因?qū)＜移?、?jīng)驗(yàn)差異、專業(yè)局限性等影響估算精度，估算過程更加清晰。③對(duì)非數(shù)值化關(guān)鍵因素屬性進(jìn)行量化處理，擴(kuò)大關(guān)鍵屬性因子選取范圍。

2 基于案例推理的成本估算模型（CBRCEM）構(gòu)建

2.1 案例推理 （CBR）

CBR 技術(shù)通過案例庫中的相關(guān)或相似案例匹配并輸出目標(biāo)案例的解決方法。在結(jié)構(gòu)化案例表示、案例相似檢索以及案例庫更新等方面逐步改進(jìn)，在故障診斷［9］、工程建設(shè)項(xiàng)目［10］、供應(yīng)鏈風(fēng)險(xiǎn)管理、醫(yī)療領(lǐng)域［11］、財(cái)務(wù)危機(jī)預(yù)警［12］、突 發(fā) 事 件 應(yīng) 急 管 理［13］、工 業(yè) 設(shè) 計(jì)［14］、旅 游 服 務(wù)業(yè)［15］等領(lǐng)域已經(jīng)得到成功應(yīng)用。

2.2 基于案例推理的成本估算模型 （CBRCEM）構(gòu)建

案例推理依據(jù)4R 模塊循環(huán)，包括相似案例檢索 （retrieve）、重用 （reuse）、修 改調(diào) 整 （revise）、學(xué) 習(xí) （retain），其中Retrieve是CBR的關(guān)鍵環(huán)節(jié)，根據(jù)實(shí)際需求選取最為匹配的案例檢索方法，可以提高匹配精確度和效率。Revise是CBR中較難的環(huán)節(jié)，在處理過程中，通常根據(jù)相關(guān)專業(yè)領(lǐng)域知識(shí)和用戶需求有針對(duì)性的修改和調(diào)整，靈活性相對(duì)較強(qiáng)。

CBRCEM＝ ｛A，CASE，Q｝其中，A＝ ｛s，k｝表示需求分析專家及其知識(shí)和經(jīng)驗(yàn)儲(chǔ)備；s表示需求分析專家；k表示其知識(shí)和經(jīng)驗(yàn)儲(chǔ)備；Q 表示項(xiàng)目需求，包括功能需求、非功能需求以及相關(guān)領(lǐng)域的需求；CASE 表示聯(lián)系A(chǔ) 和Q 的基于案例推理的系統(tǒng)，它是由案例庫、基于案例推理活動(dòng)及其對(duì)應(yīng)的規(guī)則組成。CASE＝ （P，E，O，S，V）。P表示待解決問題的需求描述；E 表示案例的表示形式；O 表示輸出的問題匹配記錄；S表示問題解決方案；V表示專家評(píng)價(jià)。

CBRCEM 中的案例推理流程算法如下：

步驟1 根據(jù)案例庫屬性，搜集當(dāng)前軟件項(xiàng)目相關(guān)特征數(shù)據(jù)，按照統(tǒng)一模式預(yù)處理，得出目標(biāo)案例；

步驟2 計(jì)算當(dāng)前目標(biāo)案例與案例庫中源案例之間的相似度；

步驟3 進(jìn)行案例相似度匹配，若匹配成功，則返回相似度最大的范例，跳轉(zhuǎn)到步驟4；否則對(duì)目標(biāo)案例進(jìn)行調(diào)整和修改，跳轉(zhuǎn)到步驟2；

步驟4 選取輸出案例作為目標(biāo)問題備用解決方案，根據(jù)實(shí)際要求適當(dāng)調(diào)整；

步驟5 輸出解決方案；步驟6 相似度判斷，更新案例庫描述。CBRCEM 系統(tǒng)的流程如圖1所示。

2.2.1 案例庫的建立及案例表示

在CBRCEM 中，首先分析整理已經(jīng)完成、具有代表性的軟件項(xiàng)目案例，對(duì)影響軟件項(xiàng)目成本估算的各關(guān)鍵因素分類整合，初步建立存儲(chǔ)框架，即源案例庫。其次，分析不同項(xiàng)目需求在成本估算管理領(lǐng)域的適用性和匹配性，在加入新案例時(shí)對(duì)現(xiàn)有結(jié)構(gòu)進(jìn)行補(bǔ)充和調(diào)整，使軟件項(xiàng)目成本估算分類盡可能完善，為擴(kuò)充案例庫提供清晰的基礎(chǔ)框架，案例庫的完善程度直接關(guān)系到案例檢索的準(zhǔn)確程度［16］。

圖1 基于案例推理的成本估算模型（CBRCEM）基本流程

構(gòu)建CBRCEM 模型的基礎(chǔ)是案例表示，即數(shù)據(jù)預(yù)處理。輸入數(shù)據(jù)的精確性直接影響案例檢索的效率和準(zhǔn)確性。案例表示至少包括兩部分：①問題描述，②問題求解目標(biāo)及完成該目標(biāo)的解決方法。常用案例表示方法有語義網(wǎng)絡(luò)、產(chǎn)生式、邏輯、框架、面向?qū)ο?、因果關(guān)系圖等。案例表示由3部分組成：

（1）案例編號(hào)、案例所屬類型及收集時(shí)間；

（2）案例的關(guān)鍵屬性及權(quán)重；

（3）備注。

針對(duì)成本估算特性，CBRCEM 中案例表示將采取框架表示法，實(shí)現(xiàn)案例結(jié)構(gòu)性的記錄。影響軟件成本的因素很多，在計(jì)算相似度過程中，案例推理性能與選取的關(guān)鍵屬性呈正相關(guān)。結(jié)合軟件成本估算的主要影響因素分析，從項(xiàng)目自身因素、技術(shù)因素、人員因素歸納出當(dāng)前影響軟件成本的9個(gè)關(guān)鍵屬性。關(guān)鍵屬性特征，如表2所示。據(jù)此，得出CBRCEM 關(guān)鍵屬性，如表3所示。不同屬性在項(xiàng)目成本整體估算過程中相對(duì)重要程度不同，CBRCEM 中各屬性的權(quán)重值由需求分析專家打分或者層次分析法 （AHP）確定。關(guān)鍵屬性Xij的屬性權(quán)重為ωij。

表2 源案例屬性特征

表3 CBRCEM 關(guān)鍵屬性

2.2.2 案例檢索

案例檢索是CBRCEM 的核心模塊，根據(jù)實(shí)際需求選取最佳案例檢索方法對(duì)案例進(jìn)行檢索，利用相似度算法從案例庫中匹配關(guān)聯(lián)度較大的相關(guān)案例。相似度方法選取直接影響CBR 的檢索效率。常用案例檢索策略主要有最近相鄰策略 （nearest－neighbor method）、歸納推理策略 （inductive method）、知 識(shí) 引 導(dǎo) 策 略 （knowledge－based indexing method）、模板檢索策略 （template retrieval method）等。最近相鄰策略是基于距離相似性的方法，容易實(shí)現(xiàn)，但僅從單一特征方面檢索最相似案例，計(jì)算過程中的逐一比較造成工作量較大，檢索靈活降低。歸納引導(dǎo)策略中由于信息增益的引入，使用樣本分類屬性的數(shù)目達(dá)到最小，但是受最優(yōu)啟發(fā)函數(shù)的制約，并不能確保得到的分類屬性數(shù)目最小?；谏窠?jīng)網(wǎng)絡(luò)的最近相鄰策略、樹路徑匹配的網(wǎng)頁結(jié)構(gòu)相似度算法［19］、相似度加權(quán)求和的遺傳算法［20］、權(quán)重樹的本體相似度算法［21］等在算法實(shí)現(xiàn)較為困難?；疑P(guān)聯(lián)分析能夠準(zhǔn)確計(jì)算各因子間關(guān)聯(lián)程度或相似程度。根據(jù)軟件項(xiàng)目成本估算的特點(diǎn)，CBRCEM 將采用灰色關(guān)聯(lián)理論優(yōu)化案例的檢索和匹配過程，該算法能夠在歷史數(shù)據(jù)相對(duì)較少時(shí)得出準(zhǔn)確估算值。其中，采用灰色關(guān)聯(lián)度作為案例的相似性指標(biāo)，并針對(duì)案例庫中各源案例屬性的量綱、數(shù)量級(jí)的差異性，在計(jì)算相似度之前，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，把案例屬性值歸一化到某一無量綱區(qū)間并且使所有相關(guān)屬性歸一化到同一數(shù)量級(jí)內(nèi)，提高待解決新案例與源案例匹配精確度［22］。

設(shè)目標(biāo)案例F0＝｛f01，f02，…f0j，…f0m｝，案例庫中源案例集合為C＝｛C1，C2，…Ci，…Cn｝，其中第i個(gè)案例的屬性集合為Ci＝｛fi1，fi2…，fij，…，fim｝，即：Fij表示案例i的第j 個(gè)屬性，屬性矩陣Fij的表示形式如下

記第j列屬性值的平均值為

記

式中：Xij——屬性值fij偏離均值的程度，將原始屬性值轉(zhuǎn)換到 ［－1，1］區(qū)間上的效用函數(shù)為Yij，記

顯然Yij＝f（Xij）是一條S型曲線 （Yij效用函數(shù)曲線如圖2所示）。

待解決目標(biāo)案例F0＝｛f′01，f′02，…f′0j，…f′0m｝，根據(jù)灰色關(guān)聯(lián)理論，F(xiàn)0與源案例C在關(guān)鍵屬性Fij上的局部灰色相似度 （grey similarity，GS）定義為

作為衡量待解決目標(biāo)案例與源案例關(guān)鍵屬性關(guān)聯(lián)程度的度量值，Ri值越大，兩案例相似的可能性就越大。將輸出的綜合灰色關(guān)聯(lián)度值的大小進(jìn)行排序，取關(guān)聯(lián)度值最大的案例作為最相似案例，并輸出i值。

在匹配過程中，關(guān)聯(lián)度最大的案例是否可以作為求解案例，還需要預(yù)先設(shè)置一個(gè)閾值T，用來判斷案例的匹配是否達(dá)到預(yù)設(shè)的要求。當(dāng)關(guān)聯(lián)度Ri大于閾值T 時(shí)，說明匹配度達(dá)到要求，同時(shí)輸出匹配成功記錄。此時(shí)檢索出的源案例可用作為可能解決方案。當(dāng)關(guān)聯(lián)度Ri小于閾值T 時(shí)，說明匹配度未達(dá)到要求，輸出匹配未成功記錄，此時(shí)則需要對(duì)案例進(jìn)行必要的修正和調(diào)整，然后重新進(jìn)行案例檢索和匹配。結(jié)合CBRCEM 模型中軟件成本估算案例相似度以及專家意見，閾值T 取0.5，由此可以得到符合匹配要求的項(xiàng)目案例。

一般情況下，為了提高成本估算精度，在案例檢索和匹配過程中，可以根據(jù)關(guān)聯(lián)度R 對(duì)篩選的案例進(jìn)行排名。根據(jù)排名依次選取3 個(gè)最相似項(xiàng)目對(duì)應(yīng)的實(shí)際工期采取PERT 加權(quán)平均的算法，即 （O＋4M＋P）／6，將加權(quán)平均值作為待估算項(xiàng)目的工期估算值，盡可能使誤差率最小。同時(shí)適量選取相似項(xiàng)目，避免因引入太多相似度不高的項(xiàng)目，反而會(huì)因過度擬合而降低估算的準(zhǔn)確性，選取項(xiàng)目過少同樣不能得到比較準(zhǔn)確的估算值。

CBRCEM 中利用灰色關(guān)聯(lián)理論估算軟件成本的算法如下：

步驟1 數(shù)據(jù)標(biāo)準(zhǔn)化處理。構(gòu)造源案例關(guān)鍵屬性矩陣Fij，目標(biāo)案例的屬性矩陣F0j，根據(jù)式 （1）～式 （3），進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，消除因子間量綱差異對(duì)求解結(jié)果的影響

步驟3 確定相似案例。將灰色關(guān)聯(lián)度值Ri按照大小進(jìn)行排序，取關(guān)聯(lián)程度值最大者為最相似案例，并輸出i值。

步驟4 確定求解案例。當(dāng)相似度Ri大于閾值T 時(shí)，說明可依據(jù)案例i的成本估算得出目標(biāo)案例的成本。反之，則需要對(duì)目標(biāo)案例關(guān)鍵屬性值進(jìn)行調(diào)整，重新進(jìn)行檢索、匹配。選取Ri值較大的前3個(gè)案例的成本值進(jìn)行PERT 加權(quán)平均，作為目標(biāo)案例的估算成本。

步驟5 輸出目標(biāo)案例估算成本。

2.2.3 案例重用和存儲(chǔ)

CBRCEM 中案例修改包括2個(gè)部分：①對(duì)于2.2.2案例檢索和匹配過程中出現(xiàn)相似度S小于閾值T，匹配度未達(dá)到要求的案例，進(jìn)行案例的調(diào)整和修改，進(jìn)而重新進(jìn)行檢索，并根據(jù)實(shí)際的需要進(jìn)行修正。②對(duì)于檢索出的源案例，結(jié)合待解決問題進(jìn)行修正，得出更精確的解決方案。由于系統(tǒng)自動(dòng)修整技術(shù)非常困難，所以CBRCEM 中的案例調(diào)整和修改采用專家干預(yù)的形式，由系統(tǒng)分析專家根據(jù)項(xiàng)目成本管理的具體情況，參照案例調(diào)整和修正建議，進(jìn)行針對(duì)性的修改。

CBRCEM 通過案例學(xué)習(xí)判斷當(dāng)前目標(biāo)案例是否具備存儲(chǔ)條件，實(shí)現(xiàn)案例庫同步的更新和擴(kuò)充升級(jí)，保證CBRCEM有效投入應(yīng)用。①案例庫更新：目標(biāo)案例相比匹配案例更加完善，此時(shí)將目標(biāo)案例進(jìn)行修復(fù)加工后，覆蓋匹配案例存入案例庫，并未改變案例庫的數(shù)量；②案例庫擴(kuò)充升級(jí)：目標(biāo)案例不能代表檢索出的匹配案例，將目標(biāo)案例進(jìn)行加工，并作為新案例存入案例庫，實(shí)現(xiàn)案例庫擴(kuò)充升級(jí)。

當(dāng)案例庫中存儲(chǔ)案例較多時(shí)，還可以通過聚類分析對(duì)案例庫進(jìn)行進(jìn)一步的改進(jìn)。通過SPSS進(jìn)行聚類分析，將同一類型的相似案例進(jìn)行歸類并整合，抽象出一個(gè)代表性的案例，通過不斷改善現(xiàn)有案例庫，提高估算精確度。

3 實(shí)例應(yīng)用

山東某軟件公司為A 公司開發(fā)一套客戶關(guān)系管理信息系統(tǒng)平臺(tái)，通過項(xiàng)目的前期調(diào)研分析，得到該項(xiàng)目各屬性的特征值，見表4。該軟件公司已經(jīng)完成的10個(gè)項(xiàng)目屬性特征值，見表5；專家采用Delphi法，通過源案例庫屬性特征和目標(biāo)案例屬性特征分析，應(yīng)用AHP算法，得到關(guān)鍵屬性特征權(quán)重列表，見表6。應(yīng)用本文構(gòu)建的CBRCEM 進(jìn)行軟件成本估算。

表4 目標(biāo)屬性

表5 源案例庫屬性

表6 CBRCEM 關(guān)鍵屬性權(quán)重

（1）在模型中導(dǎo)入數(shù)據(jù)

依據(jù)式 （1）、式 （2）、式 （3）對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后根據(jù)CBRCEM 中的灰色關(guān)聯(lián)理論算法篩選源案例庫中與目標(biāo)案例相似度最大的案例，輸出結(jié)果如下

（2）案例選取

1）由Ri、i的輸出值可知，即目標(biāo)案例F0與案例F6最為相近。

2）選取Ri值較大的案例F6、案例F3、案例F7的成本值，結(jié)合PERT 加權(quán)平均，分別取M＝108、O＝112、P＝116代入公式 （O＋4M＋P）／6，計(jì)算可得C0＝110。

3）結(jié)合專家意見輸出解決方案，目標(biāo)案例的項(xiàng)目成本約為110萬元。

項(xiàng)目完成之后，實(shí)際成本費(fèi)用為119 萬元。CBRCEM模型估算的項(xiàng)目成本的誤差率為8.1%。通過CBRCEM 模型為待開發(fā)軟件的成本估算提供了參考數(shù)據(jù)，同時(shí)結(jié)合PERT 加權(quán)平均法，使估算結(jié)果更為準(zhǔn)確。CBRCEM 模型在Windows平臺(tái)上用JAVA 語言開發(fā)完成。

4 結(jié)束語

通過分析現(xiàn)有軟件項(xiàng)目成本估算算法模型，建立基于CBR 理論的CBRCEM 估算方法。通過案例檢索、重用、修改和調(diào)整、學(xué)習(xí)等步驟，實(shí)現(xiàn)軟件成本的估算。論文采用重實(shí)例化和案例學(xué)習(xí)方法，通過引入歸一化效用函數(shù)和對(duì)灰色關(guān)聯(lián)分析加以改進(jìn)，使CBRCEM 應(yīng)用更具針對(duì)性。在案例重用過程中，需借鑒專家干預(yù)的形式，由系統(tǒng)分析專家結(jié)合實(shí)際，對(duì)CBRCEM 模型輸出的解決方案進(jìn)一步調(diào)整和修改，必要時(shí)需要用戶干預(yù)。CBRCEM 構(gòu)建是軟件項(xiàng)目成本估算實(shí)踐在CBR 領(lǐng)域的初步的探索，具有良好的開放性和可擴(kuò)展性。但CBRCEM 的研究還存在諸多缺點(diǎn)和不足，仍存在很大的探討分析空間。例如：在案例的檢索和匹配階段，對(duì)于相似算法的檢索效率就可以作為未來研究的內(nèi)容之一。

［1］HAN Wanjiang，JIANG lixin.Software project management case tutorial［M］.Beijing：Mechanical Industry Press，2009（in Chinese）. ［韓萬江，姜立新.軟件項(xiàng)目管理案例教程［M］.北京：機(jī)械工業(yè)出版社，2009.］

［2］ZHENG Kangning，LI Xiagnyang，YANG Kai.Gaussian method in case－based reasoning and applications ［J］.Operations Research and Management，2011，20 （6）：99－105 （in Chinese）.［鄭康寧，李向陽，楊凱.高斯—案例推理方法的預(yù)測(cè)模型及應(yīng)用 ［J］.運(yùn)籌與管理，2011，20 （6）：99－105.］

［3］FU Yafang，LIU Xiaodong，LI Yanjie，et al.Software cost estimation method based on genetic algorithm and case－based reasoning ［J］.Computer Engineering and Applications，2012，48 （8）：86－91 （in Chinese）.［付雅芳，劉曉東，李延杰，等.基于遺傳算法和案例推理的軟件費(fèi)用估算方法 ［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48 （8）：86－91.］

［4］Kathy Schwalbe.IT project management ［M］.5nd ed.YANG Kun，transl.Beijing： Mechanical Industry Press，2009 （in Chinese）. ［Kathy Schwalbe.IT 項(xiàng)目管理 ［M］.5版.楊坤，譯.北京：機(jī)械工業(yè)出版社，2009.］

［5］Li YF，Xie M，Goh TN.A study of mutual information based feature selection for case based reasoning in software cost estimation ［J］.Expert Systems with Applications，2009 （36）：5921－5931.

［6］Li YF，Xie M，Goh TN.A study of project selection and feature weighting for analogy based software cost estimation ［J］.Journal of Systems and Software，2009，82 （2）：241－252.

［7］Jrgensen M.Forecasting of software development work effort：Evidence on expert judgement and formal models［J］.International Journal of Forecasting，2007，23 （3）：449－462.

［8］BIAN Xia，MI Liang.Development on genetic algorithm theory and its applications ［J］.The Research and Application of Computer，2010，27 （7）：2425－2429 （in Chinese）. ［邊霞，米良.遺傳算法理論及其應(yīng)用研究進(jìn)展 ［J］.計(jì)算機(jī)應(yīng)用研究，2010，27 （7）：2425－2429.］

［9］YAN Jun，NI Zhiwei，WANG Hongyu，et al.On applying case－base reasoning in car fault diagnosis ［J］.The Research and Application of Computer，2009，26 （10）：3846－3848 （in Chinese）.［嚴(yán)軍，倪志偉，王宏宇，等.案例推理在汽車故障診斷中的應(yīng)用 ［J］.計(jì)算機(jī)應(yīng)用研究，2009，26 （10）：3846－3848.］

［10］TaeHoon Hong，ChangTaek Hyun，HyunSeok Moon.CBRbased cost prediction model－II of the design phase for multifamily housing projects ［J］.Expert Systems with Applications，2011 （38）：2797－2808.

［11］QU Gang，TANG Jiafu，LIU Zhe.Self－adaptive clinical pathway system based on CBR and Multi－agent［J］.System Engineering，2012 （11）：101－106 （in Chinese）. ［曲剛，唐加福，劉喆.基于CBR 和Multi－agent的自適應(yīng)臨床路徑系統(tǒng) ［J］.系統(tǒng)工程，2012 （11）：101－106.］

［12］LIAO Zhiwen.Financial distress pre－warning based on CBR and gray correlation degree［J］.Computer Project，2012，38（1）：174－176 （in Chinese）.［廖志文.基于CBR 與灰色關(guān)聯(lián)度的財(cái)務(wù)危機(jī)預(yù)警 ［J］.計(jì)算機(jī)工程，2012，38 （1）：174－176.］

［13］ZHANG Yingju，ZHONG Qiuyan，YE Xin，et al.Research on method of emergency aid decision－making based on CBR［J］.The Research and Application of Computer，2009，26（4）：1412－1415 （in Chinese）.［張英菊，仲秋雁，葉鑫，等.基于案例推理的應(yīng)急輔助決策方法研究 ［J］.計(jì)算機(jī)應(yīng)用研究，2009，26 （4）：1412－1415.］

［14］SONG Kai，ZHOU Jing，YANG Yu.CBR－based digital design and research for precision planter ［J］.Computer Engineering and Design，2011，32 （2）：646－648 （in Chinese）.［宋凱，周靜，楊宇.基于CBR 的精密播種機(jī)數(shù)字化設(shè)計(jì)研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32 （2）：646－648.］

［15］LIU Xiaowen，YU Jin.Automated negotiation system for tourism enterprises based on RBR and CBR technology ［J］.Computer Engineering and Design，2012，33 （12）：4696－4700 （in Chinese）.［劉曉文，于瑾.融合RBR 和CBR 的旅游服務(wù)企業(yè)自動(dòng)談判系統(tǒng)研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33 （12）：4696－4700.］

［16］HAN Min，SHEN Lihua.Case－based reasoning based on FCM and neural network ［J］.Control and Decision，2012，27 （9）：1421－1424 （in Chinese）. ［韓 敏，沈 力 華.基 于FCM 與神經(jīng)網(wǎng)絡(luò)的案例推理方法 ［J］.控制與決策，2012，27 （9）：1421－1424.］

［17］ZHOU Hanbing，GUAN Xin，MA Li.Function point analysis’s application in software development［J］.Computer Engineering and Design，2006，27 （3）：525－526 （in Chinese）.［周漢兵，關(guān)昕，馬力.功能點(diǎn)度量在軟件開發(fā)中的應(yīng)用［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2006，27 （3）：525－526.］

［18］Boehm BW.Software cost estimation with Cocomo II［M］.LI Shixian，transl.Beijing：Mechanical Industry Press，2005（in Chinese）.［Boehm BW.軟件成本估算：COCOMO Ⅱ模型方法 ［M］.李師賢，譯.北京：機(jī)械工業(yè)出版社，2005.］

［19］LIAO Haowei，YANG Yan，JIA Zhen，et al.An improved Web structure similarity based on matching algorithm of tree paths［J］.Journal of Jilin University （Natural Science Edition），2012，50 （6）：1199－1203 （in Chinese）. ［廖浩偉，楊燕，賈真，等.一種改進(jìn)的基于樹路徑匹配的網(wǎng)頁結(jié)構(gòu)相似度算法 ［J］.吉林大學(xué)學(xué)報(bào) （理學(xué)版），2012，50 （6）：1199－1203.］

［20］FENG Wenjiang，LIU Zhen，QIN Chunling.Application of casebased reasoning in cognitive engine［J］.Pattern Recognition and Artificial Intelligence，2011，24 （3）：400－404 （in Chinese）.［馮文江，劉震，秦春玲.案例推理在認(rèn)知引擎中的應(yīng)用 ［J］.模式識(shí)別與人工智能，2011，24 （3）：400－404.］

［21］CAO Can，ZHAO Fang，CHEN Hang.Domain ontology fragment similarity algorithm based on weightted－tree ［J］.Computer Engineering and Design，2010，31 （20）：4347－4349 （in Chinese）.［曹燦，趙方，陳航.基于權(quán)重樹的領(lǐng)域本體片段相似度算法 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（20）：4347－4349.］

［22］CHEN Ling，CHENG Zhonghua，ZENG Huiyan.Study on case retrieval of case－based RCM analysis system ［J］.Computer Engineering and Design，2012，33 （2）：581－585 （in Chinese）. ［陳凌，程中華，曾慧燕.基于案例推理的RCM分析系統(tǒng)中案例檢索研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33 （2）：581－585.］