基于深度强化学习的大规模敏捷软件项目调度

为解决大规模敏捷软件项目调度问题,首先,将其分解为故事选择、故事分配和任务分配3个强耦合子问题,并引入用户故事的新增与删除、每个冲刺阶段中员工工作时长的变化等动态事件,考虑团队开发速度、任务时长和技能等约束,以最大化项目所完成用户故事总价值为目标建立大规模敏捷软件项目调度数学模型;其次,根据问题特征设计了马尔可夫决策过程,采用10个状态特征描述每个冲刺阶段开始时的敏捷调度环境,12个复合调度规则作为智能体的候选动作,并按照调度模型的目标函数定义奖励;最后,提出一种基于复合调度规则的优先经验回放双重深度Q网络算法来求解所建模型,引入双重深度Q网络(DDQN)策略和优先经验回放策略,避免深度Q网络的过估计问题,并提高经验回放池中轨迹信息的利用效率。为了验证所提算法的有效性,在6个大规模敏捷软件项目调度算例中进行了实验,分析了所提算法的收敛性。根据算法性能测度,与已有代表性算法DQN、双重深度Q网络以及仅使用单一复合调度规则的方法进行对比。结果表明:所提算法在6个不同算例中均获得了最高的平均累计奖励值。

探索式测试在敏捷软件项目安全性测试中的应用分析

软件测试是确保软件信息质量的重要手段,而安全性测试是软件测试的一个重要方面。在以往进行软件安全测试的模式为敏捷开发模式,但是这种测试方式往往需要消耗较多的时间和精力,且安全测试精准度不高。在敏捷测试的基础上人们研究出既能够降低测试工作量,又能够提升测试准确性的探索式测试。为此,文章在阐述探索式测试内涵的基础上,分析探索测试在增强敏捷软件项目安全水平的可能性,并就探索式测试在敏捷软件项目安全性测试中的具体应用问题进行探究。

敏捷软件开发项目的快速启动方法

在软件业界,敏捷开发及项目管理方法已成为很多团队高效运作的有力武器。在项目的启动环节中引入Quick Start方法,帮助快速确立项目目标,统一理解,发掘用户需求,使用各种流程建模和分析技术,产生交付计划。之后项目团队就可以立即投入迭代开发工作。该方法是一种可以有效推动软件项目快速启动的敏捷项目管理方法。