基于MGGP演化的軟件缺陷預測技術(shù)研究.pdf

1、軟件缺陷預測是指通過挖掘軟件歷史缺陷數(shù)據(jù)特征，分析軟件模塊中缺陷數(shù)量與特征對應關(guān)系構(gòu)建預測模型，然后利用預測模型預測出新的軟件模塊中可能存在的缺陷。目前大多數(shù)缺陷預測模型的目標是預測給定軟件模塊中的缺陷數(shù)量。然而由于軟件模塊特征中存在噪聲數(shù)據(jù)，構(gòu)建出來的模型很難精確地預測模塊中的缺陷數(shù)量。研究人員進一步提出通過預測相對缺陷數(shù)量對軟件模塊進行排序，進而指導測試人員將有限的資源優(yōu)先分配給缺陷數(shù)量較多的模塊。但由于軟件模塊特征維數(shù)過高，以及特

2、征之間的相關(guān)性導致存在一些冗余特征，需要在構(gòu)建缺陷預測模型之前進行特征選擇或特征降維，這個過程可能導致一些對缺陷預測有用的特征被篩除，從而導致預測模型的性能下降。
　　本課題分析了軟件缺陷預測中每個模塊特征值與對應缺陷數(shù)量之間的關(guān)系。首先依據(jù)直接優(yōu)化預測模型性能指標的思想研究基于遺傳算法的非線性預測模型構(gòu)建優(yōu)化，然后進一步采用多基因遺傳編程(Multi-Gene Genetic Programming，MGGP)算法，通過MGGP

3、在處理多重共線性問題方面的優(yōu)勢構(gòu)建缺陷排序模型，對軟件模塊中缺陷數(shù)量的相對高低進行排序。具體來說，在構(gòu)建軟件缺陷排序模型的過程中，將軟件模塊的特征值作為自變量，將模塊對應的缺陷數(shù)量作為因變量，利用多基因遺傳編程的思想，演化出缺陷數(shù)量與特征的關(guān)系表達式，進而利用構(gòu)建的模型對新的軟件模塊進行預測。
　　為驗證構(gòu)建的軟件缺陷排序模型的預測能力，本課題在11個公開缺陷數(shù)據(jù)集上進行了實驗，比較分析了使用全部特征和去除冗余后部分特征的情況下，

4、評估多基因遺傳編程方法構(gòu)建的預測模型、基于遺傳算法的非線性預測模型以及原始非線性預測模型對軟件模塊中缺陷的預測能力。實驗采用了平均缺陷百分比(Fault-Percentile-Average，F(xiàn)PA)來評估預測模型的性能。結(jié)果表明，采用MGGP構(gòu)建的軟件缺陷預測模型在缺陷模塊排序方面明顯優(yōu)于現(xiàn)有的非線性預測模型，基于遺傳算法構(gòu)建的非線性預測模型優(yōu)于原始非線性預測模型。另外采用MGGP方法構(gòu)建的軟件缺陷排序模型可以不考慮軟件模塊中冗余特征