عمید خطیبی بردسیری
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
[ 1 ] - ارائه یک مدل جدید جهت تخمین تلاش لازم برای توسعه سرویس های نرم افزاری
تخمین دقیق تلاش لازم برای توسعه سرویس‌های نرم افزاری یک چالش بزرگ هم در صنعت و هم برای محققین است. مفهوم تلاش یک پارامتر مهم و تأثیرگذار در فرآیند توسعه و مدیریت سرویس‌های نرم افزاری است. تخمین دقیق تلاش به مدیران پروژه کمک میکند تا منابع را بهتر تخصیص دهند و هزینه و زمان را طوری مدیریت کنند که پروژه در وقت و بودجه تعیین شده به اتمام برسد. یکی از مشهورترین روش‌های تخمین تلاش، استفاده از قیاس و...
[ 2 ] - A New Approach to Solve N-Queen Problem with Parallel Genetic Algorithm
Over the past few decades great efforts were made to solve uncertain hybrid optimization problems. The n-Queen problem is one of such problems that many solutions have been proposed for. The traditional methods to solve this problem are exponential in terms of runtime and are not acceptable in terms of space and memory complexity. In this study, parallel genetic algorithms are proposed to solve...
[ 3 ] - A New Architecture Based on Artificial Neural Network and PSO Algorithm for Estimating Software Development Effort
Software project management has always faced challenges that have often had a great impact on the outcome of projects in future. For this, Managers of software projects always seek solutions against challenges. The implementation of unguaranteed approaches or mere personal experiences by managers does not necessarily suffice for solving the problems. Therefore, the management area of software p...
[ 4 ] - ارائه یک مدل ترکیبی جهت افزایش دقت روش استدلال مبتنی بر رویداد در برآورد تلاش توسعه نرم افزار
امروزه تخمین تلاش توسعه نرم افزار در مدیریت پروژههای نرمافزاری امری حیاتی است. برآورد دقیق هزینه نه تنها به مشتریان و سرمایه گذاران کمک میکند، بلکه در تصمیم گیری منطقی حین انجام پروژه و مدیریت پروژه نرمافزاری نیز تاثیر گذار خواهد بود. تا کنون مدل های تخمین بی شماری ابداع و مورد استفاده قرار گرفته است. بسیاری از رویکردهای تخمین تلاش فعلی با جمع آوری دادهها از پروژههای قبلی انجام میشود. رو...
[ 5 ] - Using an Evaluator Fixed Structure Learning Automata in Sampling of Social Networks
Social networks are streaming, diverse and include a wide range of edges so that continuously evolves over time and formed by the activities among users (such as tweets, emails, etc.), where each activity among its users, adds an edge to the network graph. Despite their popularities, the dynamicity and large size of most social networks make it difficult or impossible to study the entire networ...
Co-Authors