콘텐츠로 건너뛰기
Home » AI 최적화 알고리즘을 활용한 소프트웨어 신뢰성 성장 모델(SRGM) 파라미터 추정 개선: 다중 알고리즘 비교 분석

AI 최적화 알고리즘을 활용한 소프트웨어 신뢰성 성장 모델(SRGM) 파라미터 추정 개선: 다중 알고리즘 비교 분석

 

 

  • 해당 논문은 2024년 한국군사과학기술학회 추계학술대회에서 발표되었습니다.

 

AI 최적화 알고리즘을 활용한 소프트웨어 신뢰성 성장 모델(SRGM) 파라미터 추정 개선: 다중 알고리즘 비교 분석
Improving Parameter Estimation for Software Reliability Growth Models (SRGM)
Using AI Optimization Algorithms: A Comparative Analysis
of Multiple Algorithms

 

박상건‡*· 이지현‡** · 정주원‡** · 신명근‡* · 손채봉**

Sanggun Park‡* · Jihyun Lee‡** · Juwon Jung‡** · Myeonggeun Shin‡* · Chaebong Sohn**

(주)모아소프트, 광운대대학원 국방 AI 로봇융합학과
** (주)모아소프트, 광운대대학원 방산 AI 로봇융합학과
*** (주)모아소프트, 고려대학교 공학대학원
**** 광운대학교 방위사업학과

 

*(sgpark@moasoftware.co.kr)‡ 공동 제 1 저자(These authors contributed equally to this work.)

 

ABSTRACT
This study proposes an improved method for estimating Software Reliability Growth Model(SRGM) parameters using AI optimization algorithms. By simultaneously estimating parameters through the log-likelihood function, it reduces computational costs. Seven optimization algorithms are used to achieve near-global optimal solutions.
The method is compared and evaluated using Mean Squared Error(MSE).


Key Words : SRGM, Parameter Optimization, Mean Squared Error(MSE), Software Reliability Analysis, AI

 

 

1. 서론

소프트웨어 신뢰성 성장 모델(Software Reliability Growth Model, SRGM)은 소프트웨어 개발 과정에서 결함 예측과 신뢰성 평가를 위한 핵심 도구로, 특히 성능과 안전성이 중요한 국방 분야에서 그 중요성이 두드러진다. SRGM의 성능은 파라미터 최적화에 의존하며, 부정확한 추정은 오류를 초래할 수 있다. 따라서 정확한
파라미터 추정은 신뢰성 분석과 소프트웨어 품질 향상을 위해 필수적이다.
IEEE 1633 표준[1]은 최대우도법(MLE)을 활용해 SRGM 파라미터를 추정하는 방법을 제안하며, 로그-우도 함수를 통해 최적의 파라미터를 도출한다. 이 때, MLE는 로그-우도 함수를 미분하여 0이 되는 지점을 최적의 파라미터로 간주하는 방법이다.
본 연구에서는 SciPy[2] 라이브러리를 활용하여 SRGM의 모든 파라미터를 로그-우도 함수로 동시에 AI 추정하는 방법을 제시한다. 이는 IEEE 1633의 기존 추정 방식보다 계산 비용을 절감하며, AI 기법을 적용한 다양한 최적화 알고리즘을 통해 전역 최적해(Global Optimum)에 가까운 결과를 도출함으로써 신뢰성 분석의 정확성을 향상시킨다.

 

…중략…

2. 최적화 방법론

3. 최적화 결과

 

4. 결론

본 연구에서는 SRGM 파라미터 추정에 다양한 AI 최적화 알고리즘을 사용하는 것이 정확성 향상에 필수적임을 확인하였다. 단일 알고리즘 의존 시 지역 최적해에 머무를 위험이 있으며, 전역 최적해 도출을 위해 알고리즘 간 성능 비교가 필수적이다. 향후 연구에서는 J4 데이터 외 다양한 데이터 세트에 대해 MLE와 LSM(Least Squares Method)을 적용해 최적화 성능을 비교하고, SRGM 최적화의 일반화된 방법론을 제시할 수 있다.

 

 

태그: