第一章 Effort估算参数概述
Effort估算是软件工程中资源规划的核心活动，其准确性高度依赖对输入参数的理解与控制。本章聚焦三种主流估算模型（COCOMO、功能点、用例点）的公共参数层，并为后续章节的参数调试实验提供概念基础。
1.1 核心参数定义
任何参数化估算模型均由四类参数构成：规模因子、调整因子、环境因子、约束因子。下表列出最常用参数及其在调试实验中的测试条件。
| 参数名称 | 符号/别名 | 含义 | 测试条件（数据来源） | 调参策略（预置） |
|---|---|---|---|---|
| 未调整用例点 | UUCP | 从用例模型直接统计的Actor与Use Case权重和 | 项目用例规格文档 | 调整Actor/Use Case复杂度权重 |
| 技术复杂度因子 | TCF | 13项技术因素对各项目影响的总和（0.6~1.3） | 14项评分问卷（0~5分制） | 修改特定因素评分（如“分布式系统”权重） |
| 环境复杂度因子 | EF | 8项环境因素对团队效率的调节 | 团队成熟度评估表 | 调高/调低“分析师能力”项数值 |
| 调整后工作乘数 | EAF | COCOMOⅡ中17个成本驱动因子乘积 | 项目历史相似度匹配 | 对单个驱动因子（如RELY、CPLX）做±1级偏移 |
| 千行代码数 | KSLOC | 以千行为单位的源代码规模 | 功能点反推或类比估算 | 使用不同语言折算表 |
📌 测试条件提示：参数测试时，应确保除目标参数外其他参数固定，每次只修改一个变量。例如测试“技术复杂度因子”时，固定UUCP和EF，仅调整TCF的14项评分。
1.2 估算模型类别
当前工业界常用的参数化估算模型有三种，各自对参数的敏感度分布差异显著。
- COCOMOⅡ：基于KSLOC + 17个成本驱动因子，适用于大型传统项目。参数以乘法方式组合，单个因子波动10%可能导致总体估算偏移5%~20%。
- 功能点分析（FPA）：基于5种功能元素（输入、输出、查询、文件、接口）的加权和，再乘以值调整因子（VAF）。参数敏感度集中于“复杂度等级界定”，同一功能在低/平均/高之间切换可产生±30%差值。
- 用例点分析（UCP）：基于UUCP × TCF × EF。由于TCF和EF均为0.5~1.5量级，UUCP的权重分配直接影响最终结果60%以上。
🔬 参数敏感度基础： 对三种模型的局部敏感度分析表明，以下参数变动对最终Effort影响最大（按影响力降序）：
- UUCP中的Actor权重（用例点模型）
- COPROMO中的RELY（所需可靠性）驱动因子
- 功能点中的内部逻辑文件（ILF）复杂度级
- TCF中的“分布式处理”因素（当项目架构为分布式时）
- EF中的“分析师能力”因素（当团队经验极低或极高时）
1.3 参数敏感度与调试链路
参数调试实验的核心任务是通过单因子扰动量测建立参数‑Effort的传递函数。下图展示一套完整的参数敏感度闭环链路。
1.4 参数测试的仪器与数据判断
在实验环境中，参数调试通常借助以下工具/脚本：
- 测度平台：COCOMOⅡ Calculator（可使用CMU官方电子表格）、功能点计数工具（如NESMA Checker）、UCP计算器（开源Python版）。
- 数据判据：每个参数取值应至少满足
95%置信区间（来自历史项目分布）或±20%专家经验范围。若某参数超出常见区间（比如EF>1.5），需标记为异常值并重新核查输入。 - 误差分析步骤：
1. 固定其他参数，取待测参数的最小值/中值/最大值 2. 分别计算Effort_output 3. 计算局部敏感度 = (Effort_max - Effort_min) / (Param_max - Param_min) 4. 若敏感度 > 2.0 (单位Effort/参数单位)，则标记为“高敏感参数”
⚠️ 调参前注意事项：切勿同时修改超过两个参数，否则无法分辨Effort变化来源。建议使用单因子扰动 + 析因设计方法，每组实验至少重复3次以排除偶然误差。
1.5 验收阈值（本章预设）
作为参数调试的起点，本章定义以下临时验收阈值，用于后续实验筛选可调参数：
- 任何参数的局部敏感度 ≥ 1.5（Effort/参数量纲）
- 参数取值必须在模型定义的法定范围内（如TCF区间0.6~1.3，不可外推）
- 参数的历史数据变异系数 ≤ 0.3（超过此值表示参数本身不稳定，需先降噪）