第4章 参数初始值设定原则：行业默认值参考、历史项目基线、初始值对估算偏差的影响

4.1 参数含义：初始值设定的核心概念

在Effort估算的参数调试中，“初始值”并非任意赋值，而是决定偏差起点与收敛方向的基准锚点。合理的初始值应同时满足以下三个约束：

• 行业默认值参考：来自同类组织、同类项目或公开基准的统计中位值（如COCOMO II的规模因子默认值、功能点计数标准项的生产率中位数）。
• 历史项目基线：从本组织已完成项目中提取的、经校准后的参数均值或众数，反映团队真实能力落差。
• 偏差影响可控性：初始值若偏离真实值超过阈值（如±30%），会导致后续迭代无法收敛或产生系统性低估/高估。

初始值设定本质是先验概率与局部经验之间的权衡，参数调试的第一台阶就是为这种权衡建立可量化的规则。

4.2 测试条件：评估初始值影响的实验环境

为了隔离初始值对估算偏差的纯影响，测试条件需满足以下设定：

• 同构数据集：使用固定版本的历史项目数据集（至少20个已结项项目），随机划分训练集（70%）与验证集（30%）。
• 固定调试算法：统一使用梯度下降（学习率0.01，最大迭代100次）或Nelder–Mead单纯形法，避免算法差异混淆。
• 初始值范围：每个参数分别测试三档初始值——行业默认值、历史基线值、偏移值（±50%）。

4.3 仪器/工具：用于初始值校准的工具链

4.4 测量步骤：从基线到偏差的量化流程

1. 采集行业默认值：查询公开基准表，记录每个参数的中位值（Median）与四分位距。
2. 计算历史基线：从历史项目数据中剔除异常值（IQR法），计算均值μ与标准差σ，确定基线范围 [μ − σ, μ + σ]。
3. 设定初始值：按加权规则合并（权重可设为0.5:0.3:0.2，分别对应行业默认、历史基线、上下文偏移）。
4. 运行一次估算：使用该初始值运行完整估算流程（不做参数调优），记录估算值E₁。
5. 收集实际值：从验证集获取真实工时，计算绝对偏差 |E₁ − A| 与相对偏差 (%)。
6. 记录偏差指标：MAE、MRE、Pred(30)等标准度量。

import numpy as np

# 行业默认值 (生产率 FP/hr)
industry_default = {'fp_per_hr': 0.15}

# 历史基线 (本组织最近20个项目)
hist_data = np.array([0.18, 0.16, 0.14, 0.19, 0.13, 0.17, ...])
hist_mean = np.mean(hist_data)
hist_std = np.std(hist_data)

# 合并初始值 (权重: 行业0.4, 历史0.6)
initial_fp = 0.4 * industry_default['fp_per_hr'] + 0.6 * hist_mean
print("初始生产率:", round(initial_fp, 3))

4.5 数据判断：异常值识别与基线置信区间

对历史项目基线数据执行以下判断：

• IQR法：Q1 − 1.5·IQR 和 Q3 + 1.5·IQR 之外的点标记为异常，从基线计算中剔除。
• 置信区间宽度：若σ/μ > 0.4，表示基线离散度过大，应降低历史基线的权重，更多依赖行业默认值。
• 样本量底线：历史项目数＜10时，不建议使用自有基线，直接采用行业默认值加±20%安全区间。

4.6 误差分析：初始值偏差的传导机制

初始值偏差在后续迭代中会通过三种方式放大：

通过敏感性分析（Sobol指数或单因子扰动）识别出对初始值最敏感的参数，优先校准它们。

4.7 调参策略：行业默认值与历史基线的融合方法

推荐使用贝叶斯加权融合或动态权重衰减两种策略：

• 贝叶斯加权融合：将行业默认值视为先验分布，历史基线视为似然，后验均值作为初始值。当基线数据量小时，后验趋向先验；数据量大时后验趋向经验均值。
• 动态权重衰减：初始阶段（前3次迭代）使用较高历史基线权重（0.7），随迭代递减至0.3，让调试过程逐步信任行业结构。

def dynamic_initial(industry_val, hist_val, iteration, decay_rate=0.2):
    w_hist = max(0.3, 0.7 - iteration * decay_rate)
    w_industry = 1.0 - w_hist
    return w_industry * industry_val + w_hist * hist_val

4.8 验收阈值：初始值设定质量的判定标准

完成初始值设定后，需通过以下验收检查（全部通过才算合格）：

1. 偏差初始值溢出测试：使用初始值直接估算（不迭代），与历史实际值的平均相对偏差 ≤ 30%。
2. 收敛稳定性测试：在固定调试算法下，迭代不超过50步即可使MRE < 10%且连续5步MRE变化＜1%。
3. 正负偏平衡测试：验证集上低估项目数与高估项目数之比在0.8~1.2之间。
4. 敏感性边界测试：对初始值±20%扰动后，最终估算偏差变化不超过±15%。