面向项目绩效评价的软件过程改进模型研究

软件过程改进是提高软件质量普遍采用的方法,然而，现有的模型驱动和度量驱动模式对于软件过程改进要达到的具体目标、过程中的风险识别、控制和规避研究还很薄弱，致使软件过程改进无据可依。课题将项目绩效评价理论引入软件过程改进领域，建立能识别特定项目风险的软件项目绩效评价模型，提出一种新的项目绩效驱动的软件过程改进模式。课题从项目绩效评价、风险识别、过程改进三个维度，建立面向项目绩效的软件过程改进模型；将特定项目风险规避策略映射到软件组织过程、项目过程、工程过程和支持过程等四个过程层面；在定义、执行、控制和度量等四个开发过程环节监控项目风险，测度项目绩效水平。建立适用于不同组织和不同项目的软件过程改进机制，为软件企业精简繁复的软件过程改进体系，优化项目开发流程，提供操作性较强的方法和工具；同时，课题对于软件企业管理规范化，国家标准化部门制定合理的软件过程改进标准，提高我国软件质量水平都具有重要意义。

随着软件项目应用范围越来越广，规模越来越大，项目的不确定性、知识性和复杂性等特征也越来越显著，成本超支、项目延期和质量失控等问题严重地影响了我国软件产业的迅速发展，因此，研究软件项目过程管理对于提高项目成功率，具有重要的现实意义,课题的主要研究工作如下：.课题首先通过文献研究、软件企业访谈，界定了软件项目绩效基本概念；以实证研究的方式，确定软件项目绩效评价指标体系，包括项目组织特征、项目特征、绩效水平指标体系以及项目知识管理体系。.根据软件项目绩效评价的特征，构建项目评价指标层、综合影响因素层与项目绩效层三者之间的映射关系，为准确地给出软件项目过程绩效水平评价值和产品绩效水平评价值，识别影响项目成功的关键因素，并能够判断项目是否需要过程改进，为制定项目过程改进策略提供依据，课题应用人工智能理论，通过改进模糊神经网络的拓扑结构和改进的粒子群学习算法，建立基于模糊神经网络（FNN）的软件项目绩效评价模型，提高了网络的运算效率和评价结果的准确性。.软对于绩效评价水平偏低的软件项目，件过程改进需要借鉴过去已经完成项目的经验，为制定过程改进策略提供参考价值较高的相似案例，课题建立软件项目开发案例库，为能有效地匹配案例，解决人为给定项目特征权值的主观倾向性问题，使软件项目案例相似度计算更加精确，课题通过案例特征权重的优化计算，建立了基于遗传算法的软件项目过程改进相似案例搜索模型。.为给软件组织提供可操作性较强的过程改进模型，课题根据项目绩效评价结果和相似案例的搜索情况，将现有的模型驱动和度量驱动模式相结合，提出了软件项目绩效驱动的过程改进模式；通过项目绩效水平评价，建立了项目绩效驱动的过程改进逻辑模型和P-GQM过程度量模型，并对度量模型的算法进行了改进；在应用相似案例的基础上，构建的项目各阶段动态的绩效评价及过程改进策略，及时识别过程中潜在的风险，为项目组织过程改进和风险防范提供可靠的决策依据。.课题研究成果的理论贡献在于发现了影响软件项目绩效水平的机理，建立了软件过程改进和项目绩效水平的映射关系模型；在应用层面，为软件组织过程改进提供了操作性较强的方法。.课题组共计发表论文49篇，其中EI检索21篇，CSSCI检索11篇。国家自然科学基金委管理学部A、B类期刊文章6篇，完成预期的研究任务。获省部级二等奖1项。出版专著3部，译著1部。培养研究生6名，博士后3名。