基于粒子群優(yōu)化算法的測試數(shù)據(jù)自動生成方法研究.pdf

1、智能計算領(lǐng)域的現(xiàn)代啟發(fā)式搜索算法在解決軟件工程相關(guān)問題，尤其在軟件測試數(shù)據(jù)自動生成方面應(yīng)用廣泛。粒子群優(yōu)化算法(particle swarm optimization algorithm, PSO)作為一種隨機搜索算法，一種新的概率型全局優(yōu)化技術(shù)，由于其算法實現(xiàn)容易，概念簡單，通用性強，控制參數(shù)少等優(yōu)點而得到廣泛的應(yīng)用。
　　針對基本粒子群算法搜索過程中易出現(xiàn)局部極值導(dǎo)致早熟性，進(jìn)化后期收斂精度低和收斂速度慢的問題。為提高軟件結(jié)構(gòu)

2、測試數(shù)據(jù)生成的效率，本文提出三種改進(jìn)的粒子群算法，主要工作如下：
　?。?）提出一種約減的自適應(yīng)粒子群優(yōu)化算法（reduced adaptive particle swarm optimization algorithm, RAPSO）的軟件結(jié)構(gòu)測試數(shù)據(jù)自動生成方法。通過將基本粒子群進(jìn)化方程進(jìn)行約減，消去粒子速度項，提出依照慣性權(quán)重進(jìn)行調(diào)節(jié)的自適應(yīng)方案，慣性權(quán)重直接作用于粒子位置并決定粒子的進(jìn)化過程，以分支函數(shù)疊加法作為適應(yīng)度函數(shù)

3、。實驗結(jié)果表明，RAPSO算法提高了收斂速度和收斂精度，避免了因人類依靠經(jīng)驗設(shè)定速度帶來誤差的缺點。
　?。?）提出一種混合拓?fù)浣Y(jié)構(gòu)的粒子群優(yōu)化算法（particle swarm optimization with mix topological structure, MPSO)并應(yīng)用于軟件結(jié)構(gòu)測試數(shù)據(jù)自動生成中。通過對拓?fù)浣Y(jié)構(gòu)的研究，采用一種全局尋優(yōu)和局部尋優(yōu)相結(jié)合的混合模型，根據(jù)粒子群的多樣性指標(biāo)，進(jìn)化中每一代種群的粒子，對其

4、速度更新時選擇全局模型或局部模型的方法進(jìn)行。實驗結(jié)果表明，MPSO算法使得粒子群的多樣性獲得了保證，從本質(zhì)上改善了粒子群陷入局部極值的缺點。
　?。?）提出一種自適應(yīng)混沌粒子群優(yōu)化算法（adaptive chaos particle swarm optimization algorithm, ACPSO）并應(yīng)用于軟件結(jié)構(gòu)測試數(shù)據(jù)的自動生成。首先，根據(jù)混沌運動的遍歷性與隨機性這些特點，選擇合適的混沌映射初始化粒子位置，使粒子均勻的分