基于PSO的路徑測(cè)試數(shù)據(jù)自動(dòng)生成方法研究與實(shí)現(xiàn).pdf

1、粒子群優(yōu)化算法（Particle Swarm Optimization，簡(jiǎn)稱PSO）具有實(shí)現(xiàn)簡(jiǎn)單、收斂速度快、通用性強(qiáng)等優(yōu)點(diǎn)，能夠快速的為路徑測(cè)試生成測(cè)試數(shù)據(jù)，對(duì)提高軟件測(cè)試效率，降低軟件開(kāi)發(fā)成本有很重要的意義。但是該算法也存在局部搜索能力不強(qiáng)，容易陷入早熟以及浪費(fèi)資源等缺點(diǎn)。本文對(duì)PSO算法在路徑測(cè)試數(shù)據(jù)自動(dòng)生成中的運(yùn)用進(jìn)行研究，并針對(duì)其存在的缺點(diǎn)進(jìn)行改進(jìn)，主要的研究?jī)?nèi)容如下：
　?。?）對(duì)運(yùn)用PSO算法進(jìn)行測(cè)試數(shù)據(jù)生成的方法進(jìn)

2、行了研究，討論了在其運(yùn)用中的兩個(gè)關(guān)鍵問(wèn)題：適應(yīng)度函數(shù)的構(gòu)造以及算法參數(shù)的設(shè)置。
　?。?）對(duì)測(cè)試數(shù)據(jù)的運(yùn)動(dòng)軌跡進(jìn)行研究，分析出測(cè)試數(shù)據(jù)在搜索空間運(yùn)動(dòng)模式的差異性，結(jié)合K-means聚類算法對(duì)PSO算法中的粒子進(jìn)行聚類。
　?。?）提出了基于自適應(yīng)策略的改進(jìn)算法AIC-PSO算法。自適應(yīng)策略中采用集群指標(biāo)CI表示PSO算法中粒子群分簇后每個(gè)簇的密集度，并依此作為權(quán)重因子W的調(diào)整依據(jù)。將該算法與現(xiàn)有的針對(duì)PSO算法的改進(jìn)算法進(jìn)行

3、對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)表明：該算法不但能夠提高算法的測(cè)試數(shù)據(jù)生成效率而且能夠增加PSO算法中粒子的多樣性，有效的防止算法早熟。
　?。?）提出了給予簡(jiǎn)約策略的改進(jìn)算法SP-PSO算法。該算法采用在K-means聚類算法的基礎(chǔ)上改進(jìn)的二次聚類算法對(duì)PSO算法進(jìn)行分簇，集群指標(biāo)CI表示簇中粒子的密集度，CI作為是否使用簡(jiǎn)約的依據(jù)。將該算法與其他的PSO改進(jìn)算法進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：該算法能夠降低算法對(duì)計(jì)算機(jī)資源的消耗，而且具有更高的測(cè)試