软件开发预测和估计的软计算方法

---

在过去的几十年里，软计算方法的使用已经扩展到各种各样的软件工程应用中。软计算方法，如模糊系统，神经网络，进化计算，概率模型包括贝叶斯网络和混沌理论，是目前广泛的软件工程研究问题中有吸引力的课题。本特刊为软计算领域的实证研究和应用研究提供了一个传播知识的平台。特刊的目的是促进一个论坛，以广泛的文章，涵盖最先进的技术和软计算方法研究的最新成果。特别的是，特刊重点关注于发表描述软件开发主题的高技术文章:高级软件工程、计算智能和无线传感器网络。本期特刊收到了众多研究人员的响应，共收到来自世界各国的28份高质量投稿。所有提交的论文都经过至少三名独立评审员的评审。但是，由于专刊的内容集中，发表的稿件很少。不可避免的是，必须做出艰难的编辑决定，一些高质量的文章甚至不能被包括在内。我们认为，这期特刊提供了与软计算方法在软件开发中的应用相关的内聚信息，也为未来的研究提供了激励。

在《一种改进的基于pso的无线传感器网络聚类能量优化算法》一文中，C. Vimalarani等人针对无线传感器网络(WSN)提出了一种新型的基于增强粒子群优化(Enhanced PSO- based Clustering Energy Optimization, EPSO-CEO)算法，采用粒子群优化(Particle Swarm Optimization, PSO)算法进行聚类和簇头选择，以最小化WSN的功耗。

在能源效率的基础上对所得结果进行了比较和评价。

Y. Rastegari和F. Shams的论文《服务水平目标到策略断言的最优分解》提出了一种将服务水平目标分解到web服务策略断言的方法。Web服务编排描述语言(WS-CDL)到Web服务业务流程执行语言(WSBPEL)的转换已经在一些相关的工作中得到了解决，但是它们都没有考虑转换或运行时适应的质量方面。在本文中，根据web服务标准，作者提出了一种最优的分解方法来生成WS-policy断言集。应用于WSBPEL元素并影响其运行时行为的断言。分解方法为性能指标获得最佳结果。它还通过减少服务重选的数量来保证最低的适应开销。本研究以证券结算为例，对分解方法进行了原型和评价。结果表明，在客户满意度、通过案例研究的目标绩效指标和调整开销之间存在一个可接受的阈值。

G. J. Eanoch和T. S. Sankar在他们的论文《利用神经模糊方法开发无线传感器网络中高效的聚类协议》中提出了神经模糊能量感知聚类方案(NFEACS)，以形成最优的能量感知聚类。该方法由模糊子系统和神经网络系统两部分组成，能有效地提高无线传感器网络的聚类效率和簇头效率。更准确地说，它使用神经网络提供与所有节点的能量和接收信号强度相关的有效训练集，以估计试探性簇头的预期能量。利用基站的中心位置对能量较高的传感器节点进行训练，以选择能量感知的簇头。使用模糊IF-THEN映射规则查找聚类和簇头。实验结果表明，该方法的性能优于现有的解决方案。

在题为“使用人工神经网络并行实现的时间序列预测系统中的软件设计挑战”的论文中，作者(N. Manikandan和S. Subha)为金融预测模型的架构设计开发了一种综合方法。在过去的二十年中，人们研究了大量基于人工神经网络的学习模型来操纵金融数据，例如，对未来趋势和价格的预测。本文主要探讨建筑设计相关问题，通过向量化多元计量时间序列模型和人工神经网络的优势来提高建筑设计的性能。为汇率预测提供了一种自适应的混合方法。

在Y. H. Robinson和M. Rajaram的论文《基于粒子群优化的移动Ad Hoc网络能量感知多路径路由方案》中，提出了一种新的能量感知多路径路由方案。该算法基于粒子群优化算法(EMPSO)，采用连续时间递归神经网络(CTRNN)处理优化问题。在自组网中，应用CTRNN求解链路不相交路径的最优无环路径。换句话说，它被用作一种最优路径选择技术，在源和目的之间产生一组最优路径。在CTRNN中，PSO方法特别用于训练RNN。该方案采用可靠性指标，如传输成本、能量因数、源和目的之间的最优流量比等，来提高路由性能。因此，可以利用粒子群算法在路由发现阶段寻找适合自组网拓扑动态变化特性的链路质量更好的节点来发现最优无环路径。

致谢

我们衷心感谢所有提交了高质量稿件的投稿者，并感谢专家们的支持，及时提供评审意见和建议。

晓之高
Arun Kumar Sangaiah
Muthu拉马钱德兰

版权

版权所有©2016高晓智等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。