基于精英学习的多路径覆盖测试数据进化生成

针对多路径覆盖测试数据的进化生成问题,提出一种基于精英学习的自适应遗传算法.进化生成测试数据的过程中,对每一个目标路径,都选出当前种群中穿越路径最接近该路径的个体作为精英个体,将选中参与交叉的个体与该个体穿越路径最接近的目标路径的精英个体进行交叉操作,有效保证子代种群性能优于父代,加快了遗传算法的寻优速度,提高了多路径覆盖测试数据生成效率.在基准测试程序中的实验结果验证了本文方法的有效性.     

基于改进遗传算法的接口测试数据集的生成方法

针对用电信息采集统一接口平台需要大量包含足够测试用例占比的测试数据这一难题,提出基于改进遗传算法的用电信息采集系统统一接口平台测试数据集的生成方法;在对原始数据预处理的基础上,采用基于相似度的交叉算子对原始群体扩充,使用提出基于群体趋势不变的染色体变异算法,在保持群体数据集特性的情况下增大测试用例占比,从而形成测试数据的自动生成方法;应用该测试数据集生成方法,基于某省级电力公司2016年7—9月300万个典型用电客户用电数据进行数据集生成实验,利用熵原理比较无变异因子、插值法变异和改进遗传算法分别生成的测试数据与原始数据的重合度。结果表明,改进遗传算法生成的测试数据集,具有同用电信息采集系统采集数据相同的属性和属性值分布以及类似的属性关联关系,能够满足测试用例需求。     

通信不确定MPI并行程序的测试数据自动生成方法

通过对用不确定方式传递信息的MPI并行程序进行分析, 给出测试数据自动生成的数学模型, 提出相似路径概念, 并将交叉思想与协同进化机制融入到人工蜂群算法中, 提出一种测试数据生成算法〖CD2〗交叉协同进化人工蜂群算法. 应用该算法求解并行程序的测试数据, 并与人工蜂群算法、 随机法进行对比分析. 实验结果 表明, 该方法可以求解测试数据, 并降低了时间消耗.     

航站楼内多目标路径规划方法设计与实现

针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.     

基于人工免疫算法的软件输出域覆盖测试

如何实现软件输出域覆盖,是对安全攸关软件开展功能测试时面临的一个难题.采用智能化软件测试思路,提出了基于人工免疫算法的软件测试数据自动生成方法.首先分析了软件输出域覆盖问题的由来和面临的困难,说明了利用灰盒测试技术将输出域覆盖转化为软件伪路径覆盖的技术途径,并给出了软件测试数据质量评价的度量指标.其次,给出了人工免疫算法应用于软件测试数据生成的基本思路,介绍了人工免疫算法的一般步骤及其与遗传算法的异同分析.然后,分别设计了抗体亲和度评价算子、抗体浓度评价算子、免疫选择算子、克隆算子、变异算子、抑制算子、刷新算子等人工免疫算法的主要算子,实现了基于人工免疫算法的测试数据自动化生成方法.最后,采用三种不同类型软件对方法有效性进行了验证,并对数据命中率、平均迭代轮次以及测试用例总个数等指标进行了分析.结果表明,该方法满足软件输出域覆盖要求,总体效果优于遗传算法和随机测试.     

基于MC/DC的回归测试数据进化生成

在合理利用已有测试数据形成优势初始种群的前提下采用遗传算法自动生成回归测试数据是软件测试研究的一个热点.本文通过在已有测试数据的基础上依据MC/DC准则演进增补部分用例提升MC/DC覆盖率.首先,通过记录每个已有测试数据覆盖的条件组合确定要增补用例的目标条件组合,其次,根据适应度函数从已有测试数据中筛选出部分数据作为初始种群,再次,根据已筛选的部分初始种群所覆盖的条件组合与目标条件组合确定遗传操作分量,最后,演进并判定提取目标数据.理论与实验表明,该方法可以提高回归测试数据生成效率及代码覆盖率.     

利用区间算数进行搜索空间缩减的测试数据生成方法

搜索空间的大小直接影响PSO算法生成测试数据的效率,为此提出了一种缩减搜索空间大小的方法,利用区间算数对搜索空间进行缩减,以期提高测试数据的生成效率.将该方法用于多个程序的路径覆盖测试数据的生成,并和传统方法、随机方法进行比较,实验结果表明该方法在生成测试数据所需的成功率、进化代数、运行时间等指标上均优于其他方法,证实了该方法的有效性.     

控制流污点信息导向的符号执行技术研究

以快速生成能够覆盖可能存在缺陷程序点的测试用例为目标,结合基于生成的Fuzzing技术、静态程序控制流分析、静态污点分析等手段,提出一种导向式动态符号计算方法.通过Fuzzing生成能够到达包含缺陷程序点的函数的测试用例,作为种子输入驱动符号执行快速到达缺陷函数;在缺陷函数内利用静态控制流分析、静态污点分析计算出控制流污点可达程序切片,基于该切片进行朝向缺陷点的多路径动态符号执行.实验验证了方法能够有效减轻符号执行应用中广泛存在的路径爆炸问题,并且能生成触发目标缺陷的测试用例.     

一种用于数据挖掘算法的数据生成方法

由于受到保密性、时间和数据多样性等一些原因的限制,测试数据集的获取一直困扰着数据挖掘算法的研究.因此,提出一种基于遗传算法和熵的测试数据集的模拟生成方法,生成方法利用遗传算法具有继承性的特性对采集到的少量的真实数据进行扩充和模拟,用熵衡量生成数据与真实数据的相似程度,最终生成规模大的测试数据集,并给出了描述型数据的生成算法.使用此方法,可以生成同真实数据集具有相同的属性,相同的属性取值区间和属性值分布,类似属性关联关系的测试数据集,加速数据挖掘算法的研究进程.     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于损失函数的单元测试用例自动化生成算法研究与实现

软件测试是软件开发过程中最为耗时的阶段之一.通过自动执行大量的测试用例,可以高效、及时地发现软件程序中潜在的错误,这是提高大中型软件开发质量的重要技术发展趋势.目前较多的元启发式优化算法已经能够实现测试用例的自动生成,但测试效率较低且开销较大,所以如何使得生成的测试用例在数量较少的情况下覆盖尽可能多的目标,就成为自动化测试用例生成中的核心技术问题.本文提出一种基于损失函数的单元测试用例自动化生成算法(LFGA),在遗传算法的执行过程中,根据测试用例种群的路径覆盖情况,动态改变后续种群的分布,保证整体数据分布的平衡性.并利用分支信息优化自适应交叉变异算子,自动生成规模尽可能小且高覆盖的有效测试用例集.实验结果表明,相比于已有的自动生成测试用例方法,较好地解决了传统模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷,保证了生成的测试用例平均覆盖率达到95%,提升了搜索效率及数据使用效率.     

一种软件测试算法的改进及对比实验

为了进一步优化软件测试的时间与效率,设计了二进制编码的微粒群优化的算法改进,构建了算法的原理与步骤,利用VC++6.0平台进行了4种不同结构的基准程序软件测试实验。结果表明:与遗传算法相比,改进设计算法在较大数据范围情况下运行时间更短;设计方法只需要遗传方法约五分之四的进化代数和进化时间就能完成覆盖目标路径的数据。上述研究结果对于计算机软件缩短开发时间具有明显的实际意义。     

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.     

基于改进的自适应遗传算法HCGA的测试数据自动生成

针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA. 通过设计自适应交叉和变异算子,加强了遗传算法的前期全局搜索能力;在进化后期嵌入了爬山算法,提高了局部搜索能力. 实验结果表明,该算法在测试数据的自动生成上优于遗传算法,提高了效率.     

钢厂炼钢-连铸生产调度及重计划方法

为解决炼钢-连铸生产调度中扰动情况下的重计划编制问题,提出一种按扰动时的作业计划是否已开始执行进行作业计划的分类,并分别采用正向时间并行顺推算法与反向基于遗传算法和时间并行倒推的混合优化算法进行炉次计划的重计划。利用某钢厂8 h的实际生产作业计划数据进行的验证结果表明:该方法能快速得到高质量的可执行炼钢-连铸生产重计划与调度方案。     

基于免疫算法的电子渠道软件测试用例生成

提出了一种基于免疫遗传算法的电子渠道软件测试用例生成模型,并介绍了免疫遗传算法的基本思想.通过将免疫遗传算法与传统遗传算法和随机算法在电子渠道软件测试用例生成中的比较,说明了免疫遗传算法的效率明显高于传统遗传算法和随机算法,同时也进一步验证了模型的正确性、可行性.     

基于MPICH平台的多种群并行遗传算法

提出了一种基于集群系统的多种群并行遗传算法，在集群系统的软件开发环境MPICH上构建了多种群粗粒度并行遗传算法框架．采用全局迁移方式交换通信域中各子群体的个体信息，并通过模拟退火规则来确定迁移代频．利用该算法框架对一类优化问题——N维目标函数的最小值问题，给出了具体的实现方法．最后对该类问题的两个实例进行了测试，基于该实例的测试数据对论文提出的算法进行了性能分析．结果显示，算法具有线性加速比，而且解的精度随着并行进程数量的增多而提高．     

统计频率的传递路径分析在客车降噪中的应用

整体降低客车车内噪声水平的需求日益迫切．车内噪声场的分布具有多源性、复杂性等特点．通过把车内空间划分成若干部分并考虑多个噪声源在车内整个空间的噪声传递，建立了多条噪声传递路径；通过对不同的工况下同一噪声传递路径的测量分析，发现了传递函数的峰值存在频率偏移．对此提出了在传统的传递函数和相干函数分析的基础上结合频率统计，选出优势频率的方法来考察噪声源对车内噪声的影响，为制定客车车内噪声治理方案提供了可靠的依据．