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.     

一种改进的遗传算法在测试用例中的应用研究

测试用例的自动生成是软件测试的重要环节,其关键问题是路径搜索问题,遗传算法作为一种高效的搜索寻优算法被广泛应用到测试用倒中。该文提出一种改进的遗传算法,对选择算子和交叉算子进行改进,把传统遗传算法和最优保存策略相结合,提高遗传算法的局部搜索能力。研究表明,该算法比传统遗传算法在生成测试用例的效率方面更具优势。     

遗传算法在手机软件测试数据自动生成中的应用

在分析了手机软件测试的分类及特点之后,针对手机软件测试中测试用例数据大且不易实现自动化的问题,阐述了使用遗传算法生成数值型软件测试数据的思想;利用遗传算法的自动搜索最优解的特点,解决软件测试中白盒测试的路径覆盖测试数据自动生成问题;进一步分析遗传算法的不足,阐述了将粒子群算法和蚁群算法结合到遗传算法中以解决局部搜索和快速寻找精确解的思想。     

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.     

基于双价值函数禁忌搜索的测试用例生成技术

基于禁忌搜索算法的软件测试用例自动生成是目前一项先进的软件测试技术。传统的基于元启发式算法的自动测试技术只有一个价值函数,本文针对禁忌搜索算法提出强化和多样化两个价值函数。测试用例生成器通过调用强化价值函数来强化搜索过程,如果强化失败则调用多样化函数来使搜索多样化。最后通过与随机测试的对比实验,验证了基于双价值函数的禁忌搜索算法在软件测试中的高效性。     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

基于双价值函数禁忌搜索的测试用例生成技术

基于禁忌搜索算法的软件测试用例自动生成是目前一项先进的软件测试技术.传统的基于元启发式算法的自动测试技术只有一个价值函数,本文针对禁忌搜索算法提出强化和多样化两个价值函数.测试用例生成器通过调用强化价值函数来强化搜索过程,如果强化失败则调用多样化函数来使搜索多样化.最后通过与随机测试的对比实验,验证了基于双价值函数的禁忌搜索算法在软件测试中的高效性.     

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.     

用于测试用例生成的遗传算法改进

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段。传统遗传算法是一种多点搜索和采用交叉操作的技术,有效应用于测试用例生成。遗传算法虽然具有良好的全局搜索能力,但对于局部空间的搜索问题不是很有效。针对此问题,对传统遗传算法在适应度函数、遗传算子方面进行改进,提高该算法在局部空间的搜索能力,提出一种基于改进遗传算法的测试用例生成方法。实验结果表明,所提出的方法在测试用例生成的效率和效果方面优于基于传统遗传算法的测试用例方法。     

基于可视化编程环境的软件测试

结合传统软件测试与面向对象软件测试的方法和技术，针对现代管理信息系统软件的新特性，讨论基于可视化编程环境的软件测试模型，同时提出了窗口控件交互执行因果图（Control Interaction Cause-Effect Graph）及其测试覆盖准则，并进一步阐述了其测试用例生成策略。     

求解单级多资源约束生产批量计划问题的免疫遗传算法

通过对单级多资源约束生产批量计划问题(SLCLSP)模型进行分析,提出了基于免疫遗传算法(IGA)求解该问题的方法.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,使全局收敛性及收敛速度两方面均得到提高,能有效解决SLCLSP问题.     

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.     

UML在实时系统测试环境建模中的应用

针对实时软件测试中测试环境和数据的模拟问题,采用基于UML的实时系统软件测试程序设计方法,使测试程序模拟的环境和数据更逼真、可靠,以保证软件测试的有效性．并以ATC（空中交通管制系统）实时软件测试为例,分析了实时软件测试的特点和存在的问题．以及UML语言的应用特点,利用UML（统一建模语言）提供的面向对象建模机制建立雷达数据模拟的模型,并在此模型基础上设计和开发了雷达数据模拟程序、生成可靠的模拟雷达测试数据．该雷达数据模拟程序已在作者参与的ATC实时软件测试中得到了很好的应用．     

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.     

基于混合需求的高铁快巴动态线路规划方法研究

为满足旅客在高铁站的接驳及疏散需求,增强高铁站作为城市综合交通枢纽的作用,建立基于提前预约和实时混合需求的高铁快巴动态线路规划模型。在运营开始前,基于提前预约需求,兼顾公交公司的运营成本和乘客出行时间成本,建立线路规划模型;利用小生境技术对传统遗传算法进行改进,设计算法求解。运营开始后,允许实时需求插入既定路线,引入临时站点,以最小化系统变动成本为目标,建立整数规划模型决策动态线路规划方案。应用本方法在北京市北太平庄街道区域随机生成并求解30组需求算例。结果显示,该模型可以在两阶段生成最优的高铁快巴线路方案满足混合需求;与传统遗传算法相比,小生境遗传算法有效避免了算法早熟,运算结果更优,模型和算法具有可行性。     

免疫遗传算法在渠道优化设计中的应用

农田水利工程中的灌溉渠道断面设计大都是非线性优化问题,在实际求解过程中一般采用传统低效的试算法.文中应用免疫遗传算法(IGA)对梯形和U形灌溉渠道断面的底宽及设计水深等参数进行了优化设计.算例表明,IGA能有效解决渠道断面设计中的优化问题,且计算量小、精度高,在工程优化设计中具有较高的应用价值.     

改进ST-GA遗传算法在多目标运输问题中的应用

在解决多目标运输优化问题的基于生成树的遗传算法（st-GA）中融入了NSGA-Ⅱ算法,提出了一种新的生成树遗传算法（NSST-GA）,新算法利用NSGA-Ⅱ中的策略来保持解群体的分布性和多样性,采用精英保留和擂台法来进行遗传选择,算例结果表明新算法提高了收敛速度,防止了早熟收敛,较好的保持了种群多样性和算法的稳定性．     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

基于改进免疫遗传的配电网故障区段定位研究

针对目前智能算法在配电网故障定位中存在收敛速度慢、易陷入局部最优的问题,提出将基于免疫遗传算法(Immune Genetic Algorithm,IGA)应用于配电网故障定位中,同时引入精英保留思想对传统免疫遗传算法进行改进.改进后的算法拥有遗传算法搜索特性的同时保留了免疫算法多机制寻求多目标函数最优解的自适应特性,很...