時(shí)代以及科技的進(jìn)步,計(jì)算機(jī)越來越滲入到人們的生活中,軟件也隨之不斷地上新,人們在使用軟件的時(shí)候越來越重視軟件的質(zhì)量要求。軟件測試的工作在軟件開發(fā)周期周期中起到了對待測測試軟件質(zhì)量的檢測,軟件測試的工作一定程度上保證了軟件的質(zhì)量,而在對軟件進(jìn)行測試時(shí),繁冗的測試用例集會使得在進(jìn)行測試工作時(shí)的效率變低,所以能夠自動(dòng)化生成出簡單而高效的測試用例可以大大提高軟件在測試時(shí)的效率,同時(shí)節(jié)約了人力和物力。為了解決測試用例自動(dòng)生成的問題,通過構(gòu)造出有效的適應(yīng)度函數(shù)將其變?yōu)槭呛瘮?shù)的優(yōu)化問題,接著選取高效的智能搜索算法來解決測試用例自動(dòng)生成問題。本文在智能搜索算法中選取了粒子群算法,由于該算法的參數(shù)少,沒有遺傳算法中需要交叉變異的復(fù)雜過程,實(shí)現(xiàn)起來比較簡單的優(yōu)點(diǎn),所以本文采用了粒子群算法來實(shí)現(xiàn)測試用例的生成。但是傳統(tǒng)的粒子群算法存在著不足之處,例如容易陷入局部收斂,收斂速度較慢等缺陷。為了優(yōu)化目前粒子群算法比較容易陷入局部最優(yōu)、后期收斂過慢等的缺陷,在本文提出了一種改進(jìn)慣性權(quán)重參數(shù)來優(yōu)化算法的方法。其中應(yīng)用了差分進(jìn)化算法思想中的參數(shù)之一變異算子的操作來改進(jìn)算法的自適應(yīng),在慣性權(quán)重參數(shù)中加入余弦函數(shù),使其可... 

【文章來源】：南華大學(xué)湖南省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

程序流程圖

程序控制流圖

第2章基于粒子群的測試用例相關(guān)理論11斷地隨之更新，利用每個(gè)粒子所得到的參數(shù)值來計(jì)算目標(biāo)函數(shù)當(dāng)前的適應(yīng)度值，然后通過算法的迭代更新從而找到最理想的適應(yīng)值。粒子群算法中每個(gè)粒子的速度公示和位置公式就依據(jù)如下所示：jijiijijixgbestrcxpbestrcvwv*****22111…(2.1)11jijijivxx…………………………(2.2)介紹一下在這式子中各個(gè)參數(shù)所代表的意思，在粒子的速度公式中，w表示的是慣性權(quán)重，慣性權(quán)重與算法的全局搜索能力有著直接的關(guān)系，該參數(shù)能夠直接地顯示出上一代的速度在對下一代速度的影響中所占領(lǐng)的比重；j表示算法當(dāng)前的迭代次數(shù)；c1、c2代表的是學(xué)習(xí)因子，而c1、c2又可以有自己的單獨(dú)的意思，其中c1表示的是自我學(xué)習(xí)因子而c2表示的是社會學(xué)習(xí)因子；r1、r2是隨機(jī)數(shù)在[0,1]范圍內(nèi)取值[31]。粒子群算法的終止條件一般為當(dāng)前可達(dá)到的最大迭代次數(shù)或者在迭代結(jié)束之前達(dá)到了算法要求的精度。為了清晰直觀的看出粒子在算法中的活動(dòng)方式，以圖2.3的粒子初始狀態(tài)圖和圖2.4粒子的最終狀態(tài)圖說明。由于粒子群算法的種群是在一個(gè)維度空間內(nèi)活動(dòng)，在此把算法從一維的角度進(jìn)行分析。如圖2.3所示是平面上的一個(gè)振蕩的波形圖，假設(shè)我們需要利用粒子群算法從中找尋最大值，算法中的粒子會在其搜索范圍內(nèi)不斷的尋找，而每個(gè)粒子能找尋到的值又是個(gè)體極值，隨著粒子群們的搜尋，在個(gè)體之間進(jìn)行對比得到一個(gè)更好的值又叫做全局極值，隨著該項(xiàng)活動(dòng)的不斷迭代，最后如圖2.4所示，找到了該波形上的最大值。圖2.3初始狀態(tài)圖圖2.4最終狀態(tài)圖根據(jù)上述粒子群算法的簡單介紹，大致了解了傳統(tǒng)粒子群算法的基本工作流


本文編號：2959086