2. 成本估算基础：软件成本估算的经典模型与参数化估算原理

软件成本估算是项目规划与投标报价的核心依据。本章聚焦两个经典模型——COCOMO（构造性成本模型）与功能点分析（FPA），并深入解析参数化估算的基本原理，为后续特征工程与智能接口调试奠定理论基础。

2.1 经典模型对比：COCOMO vs 功能点分析

2.2 COCOMO 模型详解

COCOMO 模型将项目分为三种模式：有机型（小团队、熟悉环境）、半分离型（中等规模、混合经验）、嵌入型（严格约束、高创新）。其基本工作量公式为：

Effort (人月) = a × (KDSI)^b × EAF

其中：
  KDSI = 千行交付源代码指令（不含注释）
  a, b = 模式系数（见下表）
  EAF  = 工作量调整因子（15 个成本驱动因子乘积）

2.3 功能点分析（FPA）核心流程

功能点分析从用户视角度量软件规模，分为五个基本功能类型：

• 外部输入（EI）：用户输入数据或控制信息（如表单提交）
• 外部输出（EO）：系统输出给用户的数据（如报表、图表）
• 外部查询（EQ）：输入输出组合的检索（如查询列表）
• 内部逻辑文件（ILF）：系统内部维护的逻辑数据组（如数据库表）
• 外部接口文件（EIF）：被引用但由其他系统维护的数据组

未调整功能点（UFP）计算后，再乘以价值调整因子（VAF）得到最终功能点：

FP = UFP × [0.65 + 0.01 × Σ(F_i)]

其中：
  F_i = 14 个通用系统特征的影响度（0~5）
  例如：数据通信、分布式处理、性能、事务率等

2.4 参数化估算的基本原理

参数化估算的核心思想是：建立成本与若干可度量参数之间的数学关系。其通用形式为：

Cost = f(Size, Complexity, Team, Technology, ...)

典型表达式：
  Effort = α × (Size)^β × ∏(γ_i)^(x_i)

参数化估算的四个关键步骤：

1. 参数识别：确定影响成本的核心变量（如代码行、功能点、团队经验、需求变更率）
2. 数据采集：收集历史项目数据，确保参数与成本的真实对应
3. 模型拟合：使用回归分析、机器学习等方法确定参数权重与函数形式
4. 验证与校准：通过交叉验证或新项目数据调整模型参数

2.5 参数化估算与经典模型的关系

COCOMO 和 FPA 本身就是参数化估算的典型实例。它们将成本表达为若干参数的函数，区别在于参数选择与函数形式：

• COCOMO 以代码行数为主参数，辅以成本驱动因子（乘法调整）
• FPA 以功能点数为规模参数，辅以价值调整因子（加法调整）
• 现代参数化模型（如 SEER-SEM、TruePrice）引入更多参数：架构复杂度、复用率、团队地理分布等

2.6 参数化估算的数学表达与特征映射

在智能估算接口中，参数化模型通常表示为：

ŷ = f(X; θ)

其中：
  X = [x₁, x₂, ..., xₙ]ᵀ  特征向量（规模、复杂度、团队能力等）
  θ = [θ₁, θ₂, ..., θₘ]ᵀ  模型参数（权重、指数、截距）
  ŷ                         预测成本（人月、万元等）

经典模型为特征映射提供了先验结构：

• 幂律结构：COCOMO 的 Effort ∝ Size^b 提示规模与成本呈非线性关系
• 乘法调整：EAF 因子乘积结构可转化为对数线性模型
• 加法调整：FPA 的 VAF 因子求和结构适用于线性回归

2.7 本章小结