COCOMO II 模型是一种广泛使用的软件成本估算模型，它根据项目所处阶段的不同提供三种子模型：

（1）COCOMO II 模型的阶段划分

• 应用组装模型（Application Composition Model）：适用于早期原型开发或基于构件的开发。该阶段关注用户界面、系统交互和快速构建，使用“对象点”进行规模估算。对象点通过屏幕数、报表数和可重用构件数计算，并可根据复杂度调整。
• 早期设计阶段模型（Early Design Stage Model）：在需求趋于稳定、体系结构初步建立时使用。采用“功能点”作为规模度量单位，功能点可进一步转换为代码行数（LOC），用于工作量和成本估算。
• 后架构阶段模型（Post-Architecture Model）：用于详细设计与编码阶段，即软件构造过程中。此模型以代码行数（LOC）为基础，结合多个成本驱动因子（如人员能力、平台限制等）进行精确估算。

规模估算方式总结：

• 应用组装模型 → 对象点
• 早期设计阶段模型 → 功能点
• 后架构阶段模型 → 代码行（LOC）

（2）Putnam 估算模型
该模型是一个动态多变量模型，强调时间和工作量之间的非线性关系，适用于大型软件项目（通常超过30人年）。其核心公式为：

L=Ck⋅E1/3⋅td4/3 L = C_k \cdot E^{1/3} \cdot t_d^{4/3}L=Ck​⋅E1/3⋅td4/3​

其中：

• $ L $：源代码行数（LOC）
• $ E $：整个生命周期的工作量（人年）
• $ t_d $：开发持续时间（年）
• $ C_k $：技术状态常数，反映开发环境的技术成熟度

该模型表明，缩短开发时间会显著增加所需工作量（呈指数关系），体现了“时间压缩代价”。

2. 进度管理

进度管理的核心目标是确保软件项目按时交付。其实现逻辑包括：

• 将项目分解为可管理的任务（WBS，工作分解结构）
• 明确任务间的依赖关系（串行、并行、关键路径）
• 分配资源（人力、设备、时间）
• 制定甘特图或网络图（如PERT、CPM）进行可视化排程
• 跟踪实际进展并与计划对比，及时调整

有效的进度管理需结合估算模型（如COCOMO II 或 Putnam）得出的工作量数据，合理安排工期与人力资源，避免过度压缩时间导致质量下降或团队疲劳。

COCOMO II 模型中的成本驱动因子（Cost Drivers）是一组反映项目、人员、产品和平台相关属性的参数，用于调整基准工作量估算，使其更贴合实际开发环境。这些因子通过乘法方式作用于基础工作量公式：

工作量=a×(规模)b×∏i=1nEAFi \text{工作量} = a \times (\text{规模})^b \times \prod_{i=1}^{n} EAF_i工作量=a×(规模)b×i=1∏n​EAFi​

其中：

• $ a, b $：模型系数，根据项目类型（组织型、半分离型、嵌入型）确定；
• 规模：通常为千行代码（KLOC）；
• $ EAF $：Effort Adjustment Factor（工作量调节因子），由各个成本驱动因子相乘得到。

COCOMO II 的主要成本驱动因子（共7大类，17个因子）

1.产品相关因子

• RELY：需求可靠性（Required Software Reliability）
  高可靠性要求增加测试与设计开销 → 提高工作量。
• DATA：数据库规模（Database Size）
  数据库越大，管理复杂度越高 → 增加工时。
• CPLX：产品复杂性（Product Complexity）
  复杂系统（如实时系统）需更多设计与集成 effort → 显著增加工作量。

2.硬件相关因子

• TIME：执行时间限制（Execution Time Constraint）
  实时性要求高 → 优化难度大 → 工作量上升。
• STOR：主存限制（Main Storage Constraint）
  内存受限 → 需精细资源管理 → 增加 effort。
• VIRT：虚拟机易变性（Virtual Machine Volatility）
  平台频繁变更 → 兼容性问题多 → 增加维护成本。
• TURN：计算机周转时间（Computer Turnaround Time）
  编译/运行延迟长 → 降低效率 → 间接增加时间成本。

3.人员相关因子

• ACAP：分析员能力（Analyst Capability）
  能力强 → 效率高 → 降低工作量（EAF < 1）。
• PCAP：程序员能力（Programmer Capability）
  经验丰富者编码快、错误少 → 减少 effort。
• PCOM：人员连续性（Personnel Continuity）
  团队流动频繁 → 知识断层 → 增加沟通与培训成本。
• APEX：应用经验（Application Experience）
  对领域熟悉 → 开发更快 → 减少 effort。
• PLEX：平台经验（Platform Experience）
  熟悉目标环境 → 减少调试时间 → 降低 effort。
• LTEX：语言与工具经验（Language and Tool Experience）
  使用熟练的语言/CASE工具 → 提升生产力。

4.项目相关因子

• MODP：现代编程实践（Use of Modern Programming Practices）
  是否采用结构化方法、复用、敏捷等 → 实践越先进，effort 越低。
• TOOL：软件工具使用（Use of Software Tools）
  使用自动化工具（IDE、CI/CD、静态分析）→ 显著减少 effort。
• SCED：开发进度要求（Required Development Schedule）
  时间紧迫 → 加班赶工 → 实际工作量可能上升（即使功能不变）。

注：SCED 是唯一一个不直接影响 EAF，而是通过“时间压缩效应”反向推高工作量的因子。

影响机制示例

假设某项目基础工作量为 100 人月：

则综合 EAF = 1.30 × 0.85 × 0.87 × 0.90 ≈ 0.86
最终工作量 = 100 × 0.86 =86 人月

可见，虽然系统复杂会增负，但高水平团队和良好工具可部分抵消负面影响。

总结

成本驱动因子使 COCOMO II 不再是静态估算模型，而是能够反映真实项目条件的动态工具。合理评估每个因子等级（从“非常低”到“超高”），有助于提高估算准确性，支持资源配置与风险管理决策。