文中針對傳統(tǒng)遺傳算法處理高維測試用例時存在的穩(wěn)定性較差、處理非線性約束失效、計算量大、早熟收斂、收斂速度隨時間呈遲滯變化等固有弊端,提出了一種改進遺傳算法,通過引入優(yōu)化過的自適應交叉算子和變異算子并融入模擬退火機制,較好解決了優(yōu)化過程中易陷于局部最優(yōu)、搜索初值依賴性問題。利用Eclipse平臺開發(fā)了驗證環(huán)境并對算法進行了仿真驗證,驗證結(jié)果表明文中所提算法可以在較短的時間內(nèi)有效匹配目標測試用例,在穩(wěn)定性、實時性、全局最優(yōu)、并行搜索效率等方面具有明顯優(yōu)勢。 

【文章來源】：信息技術(shù). 2019,(10)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 基于遺傳算法的軟件測試數(shù)據(jù)自動生成通用模型設計
2 基于改進遺傳算法的軟件測試數(shù)據(jù)自動生成通用模型優(yōu)化
    2.1 引入自適應交叉算子和變異算子
    2.2 引入模擬退火機制
    2.3 優(yōu)化模型仿真驗證
3 軟件測試數(shù)據(jù)自動生成系統(tǒng)設計
4 結(jié)束語


【參考文獻】：
期刊論文
[1]一種基于改進遺傳算法的路徑測試用例生成方法[J]. 包曉安,熊子健,張唯,吳彪,張娜.  計算機科學. 2018(08)
[2]基于改進遺傳算法的網(wǎng)絡故障數(shù)據(jù)實時檢測系統(tǒng)研究[J]. 李正芳,龐海杰.  現(xiàn)代電子技術(shù). 2018(13)
[3]基于改進PSO算法的路徑軟件測試用例生成方法[J]. 張倩宜,李妍.  計算機測量與控制. 2018(03)
[4]智能優(yōu)化算法自動生成計算機軟件測試數(shù)據(jù)的方法[J]. 任群.  信陽農(nóng)林學院學報. 2018(01)
[5]基于改進遺傳算法的動態(tài)路徑規(guī)劃研[J]. 董小帥,毛政元.  計算機工程與應用. 2018(19)
[6]基于改進遺傳算法的大數(shù)據(jù)智能搜索研究[J]. 林志鴻.  遼寧科技學院學報. 2018(01)
[7]基于遺傳算法與XML的測試用例自動生成執(zhí)行系統(tǒng)研究與實現(xiàn)[J]. 劉慰,應新洋.  計算機時代. 2018(02)
[8]云計算下基于改進遺傳算法的聚類融合算法[J]. 徐占洋,鄭克長.  計算機應用. 2018(02)
[9]基于蟻群算法的軟件接口測試用例生成[J]. 勞天,馬由.  計算機工程與設計. 2018(01)
[10]基于支持向量機的測試用例自動生成方法[J]. 黃勤濤,舒堅,牛文生,劉琳嵐,蔡少軍.  計算機工程與設計. 2017(05)



本文編號：3639372