基于免疫算法的电子商城软件系统测试用例生成

本文提出了一种基于免疫遗传算法（Immune Genetic Algorithm,简称IGA）的电子商城软件测试用例生成模型（Model ofTest Case Generation of EM Software,简称MTCGES）,并详细地介绍了IGA算法的基本思想。通过将IGA算法与传统遗传算法和随机算法在电子商城软件测试用例生成中的比较,说明了IGA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。     

软件测试用例及其编写

软件测试在软件开发过程中的重要性已经被人们普遍认可,然而作为测试工作的核心,测试用例的编写的重要性,往往被不少人忽略。本文结合笔者工作实际,对测试用例的概念、价值及其编写的原则和策略进行深入解析,以期引起人们对测试用例的重视,同时对测试人员起到指导性作用。     

软件测试方法及用例的选择

软件测试是软件质量控制和质量管理的关键环节,是软件开发企业生存与发展的核心.本文阐述了两种软件测试方法及用例的使用.     

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.     

基于形式规约的软件测试用例自动生成技术研究

在Hierons提出的一种基于Z语言软件自动测试方法的基础上进行了拓展．该方法基于软件的Z语言规约;以HierOns提出的推理规则为基础,提出了分裂树的算法,将操作模式的约束条件转换为形如ViPi∧Qi的析取范式;然后根据析取范式将Z语言描述的操作模式划分为子操作模式;依据子操作模式的前置条件和后置条件,将子操作模式作为状态转换图的转换关系,构建了被测试软件的状态转换图;依据状态转换图,提出了相应的状态覆盖准则、转换关系覆盖准则和转换关系谓词覆盖准则等测试数据选择准则．     

软件测试用例的复用技术研究

软件测试用例的复用使其减少软件测试过程中重复性劳动成为可能。对于软件测试工程师而言,测试用例的有效复用必将有力地推进测试进程。软件测试工程师对测试用例库的充分利用,可以减少包括分析、设计、编码、验证等大量重复性劳动,最终提高软件测试效率和软件质量。     

优化遗传算法在软件测试用例方面的应用

计算机软件测试的重要手段是测试用例的自动生成,关键问题是路径搜索.遗传算法技术是一种高效的搜索巡游算法,在软件测试用例中广泛应用.将遗传算法进行优化改进,使它有能力处理输入的庞大数据,均衡搜索能力,从而设计出最优测试数据.     

用例建模在软件需求分析中的应用

用例建模是面向对象软件开发技术的重要组成内容,它能够完整地捕捉系统的功能性需求,体现用户和系统之间的交互关系.通过一个实例分析,简要介绍如何使用用例建模技术,完成软件需求分析.     

基于用例的面向方面软件开发及实例研究

面向方面编程(AOP)技术提供了一种在编程阶段实现关注点分离的有效手段,而面向方面软件开发(AOSD)则是以AOP为基础的,在整个软件生命周期中提供系统化标识、模块化和组合横切关注点的一种手段.结合实际应用的例子,将用例技术、用例切片技术和AOP技术应用到AOSD中,实现了在软件开发的4个阶段对关注点的建模和分离.     

基于免疫算法的天线方向图综合研究

给出了一种基于高斯变异与自适应克隆规模控制相结合的免疫算法的天线方向图综合方法．该算法利用免疫算法的分散式和独立式的搜索方式，克服了遗传算法局部收敛和对初始群体依赖等缺陷；同时自适应的克隆算子和变异算子克服了搜索的盲目性，提高了算法的收敛速度．计算机仿真结果表明，提出的算法能够在方向图的指定区域生成多个零点，并且零陷均衡，相比遗传算法取得了更低的零深．     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。     

基于免疫遗传算法的物流运输求解

本文结合免疫系统原理和遗传算子自适应调整的方法,提出免疫遗传算法,防止算法未成熟收敛,保证种群的多样性,防止陷入局部寻优的情况.通过对一个运输实例的求解,证实算法达到了预期的效果.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

基于图像分割的伪并行免疫遗传算法聚类设计

遗传算法是一种自适应全局优化概率搜索算法。但它却由于进化过程的过早收敛而导致无法保证收敛到全局最优解。因此运用伪并行思想与免疫遗传算法相结合来弥补遗传算法的缺陷。1问题描述许多学科要根据所测得的相似性数据进行分类,把探测数据归入到各个聚合类中,从而对各聚合类     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。     

一种自动生成软件缺陷输入的方法

利用软件补丁信息,结合静态分析、符号执行和约束求解技术,提出了一种测试输入自动生成方法.该方法可以自动产生绕过补丁修补位置的测试输入,给出新的触发软件缺陷的有效可执行路径,从而找到新的软件缺陷.运用这种方法,在GNU Mailutils中,成功地发现了一个软件缺陷.该方法可以运用于实际的软件代码,保证了软件补丁修补的完备性.     

免疫算法与遗传算法比较

在介绍免疫算法与遗传算法概念的基础上，阐明了二的不同特点，并通过仿真实验表明了它们之间在功能和应用方面的区别。     

遗传算法在智能组卷系统中的应用研究

为更好地解决遗传算法在智能组卷过程中出现的早收敛问题,以及组卷质量和组卷速度呈负相关的问题,提出一种基于分段整数编码、多点交叉的遗传算法.通过大量实验,有针对性地对该算法中的编码结构、选择算子、交叉算子和变异算子进行优化设计;对相关控制参数进行合理调整,实验结果表明,该算法不仅有效地提高了组卷质量和组卷速度,而且具有很好的收敛性.     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.