基本路径测试中的McCabe算法改进与应用

基本路径测试是一种重要的白盒测试技术,具有较高的故障覆盖率.作为基本路径测试中较为常用的方法之一的MeCabe法,是通过分析程序结构和环路复杂性,从而导出基本可执行路径集,再由路径集设计测试用例.但是McCabe法的可操作性差、容易产生错误影响了其在基本路径中的应用.针对这一问题,改进了McCabe法,并对算法改进前后在基本路径测试中的应用进行对比,结果表明改进的McCabe法更简单,而且操作性更强,便于基本路径的准确生成.     

白盒测试和黑盒测试在动态软件测试中的应用

白盒测试和黑盒测试是软件测试中的常用方法。文章首先介绍了白盒测试和黑盒测试以及两者的应用场合，然后通过一个实例说明在动态软件测试中如何使用这两种方法从不同的角度设计测试用例，确保以最少的测试用例发现尽可能多的错误和缺陷。     

基于K-means聚类的组合测试用例生成优化算法

针对组合测试生成的测试用例在程序结构测试中出现冗余的问题,应用K-means聚类算法对基于蚁群算法生成的组合测试用例集进行聚类优化。以白盒测试中的逻辑覆盖为依据,将测试用例程序覆盖差异度作为分类的量化标准,根据测试代价决定聚类数目,在每个聚类簇中抽取处于中心点的测试用例构成新的集合。实验结果表明,该算法可以有效减小测试用例集的规模;对比分析不同覆盖准则,可找到在测试用例标准化过程中最优的逻辑覆盖方法。     

自适应萤火虫算法改进蚁群算法的移动机器人路径规划

针对传统的蚁群算法在解决移动机器人路径规划问题时存在收敛性差、搜索速度慢、过于依赖参数选择等问题,提出一种自适应萤火虫算法改进蚁群算法的混合算法。首先,在蚁群算法基础上引入萤火虫算法,对蚁群算法的核心参数进行优化;其次,针对两种算法混合后时间开销大的问题,引入精英策略和承接式相结合的信息素更新方式,并对萤火虫算法的步长因子进行自适应设计,以提高整个混合算法的求解效率和求解精度;最后,在不同的栅格环境下进行路径规划仿真实验。结果表明,混合智能算法较传统蚁群算法综合效果有明显提升。     

基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。     

应用改进随机树算法的无人艇局部路径规划

针对无人艇航速高及实时性要求高的特点,为满足路径规划需要,在经典快速扩展随机树(RRT)算法的基础上,设计一种基于改进RRT算法的局部路径规划方法,引入抑制因子、限定转角和距离启发信息,改进生长点和探索点的选择,提高了算法速度.为兼顾航行距离最短和无人艇操控性能的特殊要求,对规划路径采取多余航点处理以及考虑回转性能的平滑处理.以海上和湖上典型雷达图像的处理结果为环境模型,进行局部路径规划试验.试验结果表明:该方法可以快速完成路径搜索,在提高搜索效率的同时缩短了规划距离,优化处理后的航线更适用于无人艇的跟踪,满足无人艇规划系统的要求.     

一种改进的机器人路径规划算法

在将Ａ算法用于机器人路径规划时,通过采用动态可变步长及进行目标可见性测试,提高了路径搜索速度,并对路径进行了全局优化,仿真结果表明该方法是有效的。     

城市轨道交通有效路径选择的改进Dial算法

结合城市轨道交通的基本特性,从网络节点的角度出发重新定义了有效路径以及换乘站点,并结合网络拓扑排序方法,在Dial算法的基础上提出了改进的Dial算法。最后,采用深圳市轨道交通网络的基础数据进行了实例分析,结果显示改进的Dial算法的可行性,并且计算效果优于原算法。     

一种改进的蚁群算法求解车辆的最短路径问题

基于交通网中交通流参数关系模型,提出了新的状态转移概率计算公式,同时在信息素更新策略中引入交通流密度因子,使算法可以根据时变的路网信息求解车辆的最短路径;利用蚁群算法和遗传算法相结合的思想来避免基本蚁群算法在求解车辆最短路径时易陷入局部最优解的缺陷。实验仿真结果表明,改进后的蚁群算法较基本蚁群算法能准确快速地找到基于时间的最短路径,并能有效解决实际交通系统中的最短路径问题,具有一定的实际意义和参考价值。     

RBF神经网络算法及其应用

在径向基神经网络学习算法的基础上,提出了一种新的RBF神经网络学习算法,该算法将变长度染色体遗传算法和最小二乘法相结合,能够同时确定径向基神经网络的结构和参数。用此方法建立热电厂热负荷预测模型,并与BP神经网络和增长型结构学习算法的RBF神经网络方法相比较,结果表明可以取得更好的效果。     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

所有顶点对之间最快路的算法

最快路是在最短的时间内把信息从源发送到目的端的路.该文采用标签设定算法,通过修改原网络,得到一个新网络,使得新网络中快速路的子路也是快速路.该文使用动态规划的方法,给出了所有顶点对之间最快路的算法.     

基于改进蚁群算法的三维路径规划

基于蚁群算法的三维路径规划大多存在规划速度慢、准确度不高等问题,提出了一种基于改进启发函数和自适应修正挥发系数的蚁群算法,设计了一种新的启发函数,提高了三维路径规划的准确度;提出自适应调整挥发系数,避免搜索陷入局部最优,同时加快了算法收敛速度。最后进行了仿真实验,结果证明了该方法的可行性和有效性。     

改进遗传算法求解交通最优路径的实现

针对在现实生活中的智能交通诱导系统中求解实时最优路径问题,根据实时交通信息,以车辆周转时间最短,提高路网道路运行效率为目标建立模型．在基本遗传算法中引入了一种新的带染色体交叉控制策略得到改进遗传算法,并配合循环交叉,来求解实时最优路径．通过实验结果来说明该方法的是有效的．     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

最短路径搜索算法在高速公路收费系统中的应用

如何快速建立、维护可靠的各站点间的费用矩阵是高速公路联网收费系统的关键.根据重庆高速公路路网的特点,采用分治法,提出了一种将Floyd算法和Johnson算法相结合的改进算法来求任意2结点间的最小费用矩阵的算法,并对算法复杂度进行了分析.