崔梦天，梁 杰，龙松林，吴克奇，贺春林

(1.国家民族委员会计算机系统重点实验室，西南民族大学，四川 成都 610041；2.西华师范大学计算机学院，四川 南充 637001)

在网络技术快速发展的时代，软件的功能也逐渐地变得复杂，处理逻辑也更复杂，导致软件缺陷的产生无法避免，在投入使用之后也会常常产生缺陷，上线之后进行修复所需要消耗的资源会远远大于在开发阶段所消耗的资源，增加了软件成本.美国国家标准与技术研究院根据相关数据进行估算，软件开发总成本的50%到75%[1]都用于对软件所产生的缺陷进行修复.因此软件缺陷的及时预测以及在开发阶段进行解决将有助于降低软件成本，并使软件质量得到保障.

软件缺陷具有遗传性，因此可以根据历史数据进行预测模型的训练，使预测模型具备相关的规律性，从而可以对新缺陷数据进行相关的预测.根据这个思路已经有了很多软件缺陷预测模型.例如将ANN技术[2]、SVM技术[3]以及BP神经网络技术[4]应用到软件缺陷的预测.但这些模型都还存在一定的问题，难以达到理想的效果.

本文将探路者算法应用于优化BP神经网络，以解决现有BP算法存在的易陷入局部最优值问题.以MSE和Accuracy作为评价指标，并采用NASA MDP软件缺陷数据集进行实验.

1 相关工作

1.1 BP算法

BP(Back Propagation)神经网络[5，11-13]具有非线性映射的能力.其过程有两个部分，前向传播和反向传播.前向传播通过设置内部节点和层与层之间节点之间的权重来构建一个映射过程；……