Resumen

La predicción efectiva de los módulos de software propensos a defectos permitirá a los desarrolladores de software lograr una asignación eficiente de recursos y concentrarse en actividades de aseguramiento de calidad. El proceso del ciclo de vida del desarrollo de software básicamente incluye fases de diseño, análisis, implementación, pruebas y lanzamiento. Generalmente, las pruebas de software son una tarea crítica en el proceso de desarrollo de software, donde se busca ahorrar tiempo y presupuesto al detectar defectos lo antes posible y entregar un producto sin defectos a los clientes. Esta fase de pruebas debe ser operada cuidadosamente de manera efectiva para lanzar un producto de software libre de defectos a los clientes. Con el fin de mejorar el proceso de pruebas de software, los métodos de predicción de fallos identifican las partes del software que son más propensas a defectos. Este documento propone un enfoque de predicción basado en una red neuronal de función de base radial (RBFNN) convencional y el novedoso modelo de optimización basado en biogeografía dimensional adaptativa (ADBBO). El modelo

• Materias:Transporte ferroviario Extracción cinética Estudio poblacional Comportamiento ingestivo Técnica quirúrgica
• Subjects:Railway transport Kinetic extraction Population study Ingestive behavior Surgical technique
• Palabras claves:Predicción; Módulos de software; Defectos; Pruebas de software; Métodos de predicción de fallas; Modelo RBFNN
• Keywords:Prediction; Software modules; Defects; Software testing; Fault prediction methods; RBFNN model