Computational Intelligence and Quantitative Software Engineering

به شیوه‌ای ساده، این جلد به‌طور واضح نحوه بهره‌برداری کارآمد از مفاهیم بنیادی، روش‌شناسی و الگوریتم‌های هوش محاسباتی در مهندسی نرم‌افزار را نشان می‌دهد و مسیری جدید و امیدوارکننده از یک تحلیل جامع را باز می‌کند. و طراحی پیشرفته مصنوعات نرم افزاری. این نشان می‌دهد که چگونه می‌توان پارادایم و بهترین شیوه‌های هوش محاسباتی را برای انجام تجزیه و تحلیل جامع نیازمندی‌های نرم‌افزار، طراحی پشتیبانی، آزمایش و نگهداری به طور خلاقانه کاوش کرد.

مهندسی نرم افزار یک تلاش فشرده مبتنی بر دانش با ماهیت ذاتی انسان محور است که عمیقاً بر کسب دانش نیمه رسمی و سپس پردازش آن برای تولید یک سیستم در حال اجرا متکی است. این دانش طیف گسترده ای از مصنوعات را در بر می گیرد، از الزامات، که در تعامل با مشتریان به دست می آیند، تا شیوه های طراحی، آزمایش، و استراتژی های مدیریت کد، که بر دانش سیستم در حال اجرا متکی هستند. این جلد شامل مقالاتی است که توسط متخصصان مشهور در این زمینه نوشته شده است که نشان می‌دهند مهندسی نرم‌افزار چگونه از پایه‌های کلیدی و فناوری‌های هم‌افزایی موجود هوش محاسباتی که بر بازنمایی دانش، مکانیسم‌های یادگیری، و استراتژی‌های بهینه‌سازی جهانی مبتنی بر جمعیت متمرکز است، سود می‌برد. p>

این کتاب می‌تواند به عنوان یک منبع بسیار مفید برای محققان، مهندسین نرم‌افزار و دانشجویان کارشناسی ارشد و دانشجویان ارشد مهندسی نرم‌افزار و زیرشاخه‌های آن باشد. مهندسی اینترنت، هوش محاسباتی، مدیریت، تحقیق در عملیات، و سیستم‌های مبتنی بر دانش.

In a down-to-the earth manner, the volume lucidly presents how the fundamental concepts, methodology, and algorithms of Computational Intelligence are efficiently exploited in Software Engineering and opens up a novel and promising avenue of a comprehensive analysis and advanced design of software artifacts. It shows how the paradigm and the best practices of Computational Intelligence can be creatively explored to carry out comprehensive software requirement analysis, support design, testing, and maintenance.

Software Engineering is an intensive knowledge-based endeavor of inherent human-centric nature, which profoundly relies on acquiring semiformal knowledge and then processing it to produce a running system. The knowledge spans a wide variety of artifacts, from requirements, captured in the interaction with customers, to design practices, testing, and code management strategies, which rely on the knowledge of the running system. This volume consists of contributions written by widely acknowledged experts in the field who reveal how the Software Engineering benefits from the key foundations and synergistically existing technologies of Computational Intelligence being focused on knowledge representation, learning mechanisms, and population-based global optimization strategies.

This book can serve as a highly useful reference material for researchers, software engineers and graduate students and senior undergraduate students in Software Engineering and its sub-disciplines, Internet engineering, Computational Intelligence, management, operations research, and knowledge-based systems.