基于遺傳粒子群優(yōu)化算法的測試數(shù)據(jù)自動生成技術(shù)研究.pdf

1、軟件測試是保證軟件可靠性的重要手段,在軟件開發(fā)周期中起著非常重要的作用。而測試數(shù)據(jù)的生成是實(shí)現(xiàn)軟件測試自動化的關(guān)鍵,這一技術(shù)的實(shí)現(xiàn)可以很大程度的減少用于軟件開發(fā)的時(shí)間和費(fèi)用,因此尋求有效的測試數(shù)據(jù)自動生成方法依然是一個亟待解決的問題。
　　粒子群算法和遺傳算法作為一種優(yōu)化算法,它們通過模擬個體的適應(yīng)性,利用構(gòu)建的變換規(guī)則在解空間內(nèi)搜索最優(yōu)解,是一種很好的測試數(shù)據(jù)自動生成方法。目前僅憑單一的算法和自身的操作往往不能有效地開發(fā)和探測算

2、法的性能。針對這一問題,本文在改善算法自身性能的情況下對兩種算法進(jìn)行組合,以增強(qiáng)算法的搜索性能,從而提高測試數(shù)據(jù)自動生成的效率。
　　本文主要工作如下:
　　(1)分析遺傳算法,在其選擇算子中引入最優(yōu)保存策略并對其進(jìn)行改進(jìn),建立動態(tài)可變參數(shù)的測試數(shù)據(jù)自動生成工具。通過該工具的可視化界面動態(tài)地輸入遺傳算法參數(shù),而且能夠根據(jù)不同的路徑選擇輸入相應(yīng)的適應(yīng)度函數(shù),克服了以往適應(yīng)度函數(shù)在源代碼中修改的缺陷。
　　(2)分析粒子群

3、算法,在其進(jìn)化方程中約簡粒子速度項(xiàng),僅通過粒子位置更新完成進(jìn)化過程。結(jié)合粒子的適應(yīng)度和粒子聚集度,制定自適應(yīng)調(diào)整策略,并分別采取不同的方法設(shè)置慣性權(quán)重值,使粒子動態(tài)地自適應(yīng)調(diào)整慣性權(quán)重值,從而平衡算法的全局探索能力和局部改良能力,提高算法收斂速度和精度。
　　(3)設(shè)計(jì)遺傳算法和粒子群算法的混合優(yōu)化算法,并應(yīng)用于面向路徑的測試數(shù)據(jù)自動生成中。本文以改進(jìn)的遺傳算法為基礎(chǔ),將改進(jìn)的粒子群算法作為遺傳算法的一個重要算子,實(shí)現(xiàn)最優(yōu)解的快速