面向TSP的软件过程仿真模型

描述了一种面向小组软件过程TSP(Team Software process)的仿真模型，根据TSP的特点，采用将离散和连续建模思想结合的一种混合模型。这种模型分为两层建立，外层体现软件开发过程的阶段性，内层体现软件开发过程的连续性，从两个层次上详细说明模型的结构和原理；给出了模型的形式化描述；并用一个例子来说明模型的执行过程及结果。此模型能够从不同角度模拟软件的开发过程，并能够对软件开发过程进行监督和预测。     

企业小组软件过程在管理学生软件开发中的研究与应用

我院将软件过程改善和小组软件过程的理论引入到项目实训中,在小组软件过程（TSP）的基础上提出了TSP的简化过程TSP-ST（Team Software Process-Student）,构建了开发过程模型,并将该模型应用到学生的项目实训中。本文介绍了TSP-ST在学生项目实训和毕业设计中的应用实践。     

构建基于CSCW的TSP实施系统的研究

软件开发是一个群体协作的过程，要求团队成员在开发活动中相互分工、紧密协作。小组软件过程(TSP)的产生为规范软件开发和改进过程能力提供了有效而实际的帮助，TSP的实施遇到阻碍，主要是由于小组成员对TSP过程不够理解、交流和协同工作困难、软件过程数据处理繁琐等原因。该文提出了计算机支持的协同工作(SCW)-TSP系统解决这些问题，该系统根据CSCW的特性，将TSP的管理方法以计算机应用软件的形式加以实现，使开发团队能够更有效地应用TSP进行开发，全面提高软件开发的效率和质量。     

基于小型软件企业的软件过程改进模型的研究

软件过程改进是小型软件企业提高软件质量和生产率的必经之路.文章分析了集成软件能力成熟度模型CMMI、个体软件过程PSP和群组软件过程TSP三者之间的关系,并结合我国小型软件企业的特点,提出了一种适用于小型软件企业的过程改进模型.     

基于CMMI/TSP/PSP的软件过程改进框架探讨

本文介绍了CMMI,TSP和PSP,阐述了将CMMI、TSP和PSP三者结合的软件过程改进框架,并分析了该框架在行业中的应用及效果.     

软件过程改进及其模型

系统地阐述了 CMM/ TSP/ PSP模型的内容 ,目的是进一步认识理解 CMM/ TSP/ PSP,并将三者有机地结合起来 ,有效地达到软件过程持续改进的结果 ,形成一套更先进、更科学、更新的管理模式     

一种基于遗传算法的TSP建模方法

为解决小组软件过程(TSP)中针对活动如何有效安排工程小组人员的问题,从关于目标和面向活动的角度刻画TSP模型,提出基于遗传算法的优化方法。分析TSP核心思想,给出模型的结构和形式化描述,介绍建立模型的步骤。通过实验验证了该优化方法具有良好的执行性能,能够得到一个具有较优效益值的人员安排方案,可行性良好。     

极限编程在PSP、TSP实施中的应用研究

在许多软件企业争相实施CMM的今天,PSP、TSP是实施中主要使用的软件过程,然而对于中小项目而言,CMM的“重”是人尽皆知的问题。敏捷开发中的主流一极限编程则是一种轻量级的软件开发方法,由于它对质量和速度并重,因此对中小项目而言是相当有诱惑力的。阐述了如何在PSP、TSP的应用过程中加入极限编程的思想,提高中小软件项目的开发速度和质量。     

基于PSP/TSP的软件过程保障体系研究

在阐述个人软件过程(PSP)和小组软件过程(TSP)原理的基础上，结合软件过程实施环节和项目组开发实践，探讨了PSP／TSP体系为整个软件开发过程提供的从个人技能到团队协作的过程保障。     

基于CMM的中小软件企业过程改进实施方案研究

随着软件工程化进程的推进,各种过程改进模型和方法层出不穷。针对如何将软件能力成熟度模型CMM与我国中小型软件组织相融合这一问题,对CMM中的各关键实践进行了裁剪和重定位。结合软件开发的迭代增量模型,将软件开发过程分为先启阶段、精化阶段、构造阶段和产品提交等阶段,并将需求管理、项目规划管理和项目监控等管理活动与软件开发过程相结合,提出了一种基于CMM模型的适合国内中小型企业的过程改进方案,实践证明了此方案的可行性及经济性。     

Profit maximization of TSP through a hybrid algorithm

Here a new model of Traveling Salesman Problem (TSP) with uncertain parameters is formulated and solved using a hybrid algorithm. For this TSP, there are some fixed number of cities and the costs and time durations for traveling from one city to another are known. Here a Traveling Salesman (TS) visits and spends some time in each city for selling the company’s product. The return and expenditure at each city are dependent on the time spent by the TS at that city and these are given in functional forms of t. The total time limit for the entire tour is fixed and known. Now, the problem for the TS is to identify a tour program and also to determine the stay time at each city so that total profit out of the system is maximum. Here the model is solved by a hybrid method combining the Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO). The problem is divided into two subproblems where ACO and PSO are used successively iteratively in a generation using one’s result for the other. Numerical experiments are performed to illustrate the models. Some behavioral studies of the models and convergences of the proposed hybrid algorithm with respect to iteration numbers and cost matrix sizes are presented.     

求解不确定TSP问题的蚂蚁算法

提出了不确定旅行商问题模型,该模型将路径长度看作动态可变的。从实际应用来说,该模型考虑了交通运行中的不确定情况,比经典旅行商问题更具有灵活性及实用价值,利用该模型得到的结果将更适于指导车辆对运行路线的选择。同时提出了一种基于蚂蚁算法的混合方法求解不确定旅行商问题,并给出了解的评价标准。实验结果显示,该方法能够加速蚂蚁算法的收敛性,可以有效求解不确定旅行商问题。     

求解TTP问题新优化模型的混合遗传算法

流窜犯问题（Traveling Thief Problem,TTP）是旅行商问题和背包问题的一个组合问题,同时具有两个问题的计算复杂度。在现有TTP问题中考虑了小偷提前不知道物品具体位置的情况,给出了新的具有概率分布信息的优化模型;利用有效价值指标,给出了物品的选取方法;基于一个TSP的遗传算法框架和新设计的局部搜索策略,提出了求解该模型的混合遗传算法。数值仿真结果表明,提出的算法是可行有效的。     

旅行商问题(TSP)的几种求解方法

旅行商问题（TSP）是组合优化领域里的一个典型的、易于描述却难以处理的NP完全难题,其可能的路径数目与城市数目是呈指数型增长的,求解非常困难。而快速、有效地解决TSP有着重要的理论价值和极高的实际应用价值。该文首先介绍了什么是TSP,接着论述了六种目前针对TSP比较有效的解决方法（模拟退火算法、禁忌搜索算法、Hopfield神经网络优化算法、蚁群算法、遗传算法和混合优化策略）的基本思想,并且简单阐述了它们的求解过程,最后分别指出了各自的优缺点并对解决TSP的前景提出了展望。     

Iterative design and testing within the software development life cycle

The activity of testing begins during system development and spans all subsequent phases. Some system development lifecycles describe testing which is performed after the coding phase, but this may cause the software to be delivered without sufficient testing. In this paper, we present a software system development lifecycle model, called the Test design Stages Processed model (TSP model), in which we emphasize that iterative test design stages should be incorporated at each phase of the software development lifecycle. When a phase is completed, testing of the phase should also be completed at that time. Within this paper we have added unit, integration and system testing processes into BoochÕs micro–design process to generate a new designs and test model. This shows the process of iterative and incremental software development. Comparing this with our model, we explain how the TSP model can be used for developing and testing an object-oriented software system.     

求解旅行商问题的混合量子蚁群算法

针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素进行更新,设计一种新的变换邻域准则。基于TSPLIB的仿真实验结果表明了该算法具有较快的收敛速度和求解精度。     

A hybrid algorithm combining glowworm swarm optimization and complete 2-opt algorithm for spherical travelling salesman problems

The Travelling Salesman Problem (TSP) is one of the most well-known combinatorial optimization problems and has attracted a lot of interests from researchers. Many studies have proposed various methods for solving the two-dimensional TSP. In this study, we extend the two-dimensional TSP to the three-dimensional TSP, namely the spherical TSP in which all points (cities) and paths (solutions) are on the surface of a sphere. A hybrid algorithm based on the glowworm swarm optimization (GSO) and the complete 2-opt algorithm is proposed, in which the carriers of the luciferin are transformed from glowworms to edges between cities, and the probabilistic formula and the luciferin updating formula are modified. In addition, the complete 2-opt algorithm is performed to optimize the selected optimal routes every few iterations. Numerical experimental results show that the proposed algorithm has a better performance than the basic GSO in solving the spherical TSP. Meanwhile, the complete 2-opt algorithm can speed up the convergence rate.     

基于混合演化算法的二维下料问题

介绍了将二维下料问题建模成旅行商问题的方法,指出单纯旅行商问题模型的局限性,认为其是一种启发式方法,理论上找不到全局最优解。针对于此,在原有模型的基础上引入旋转变换,提出了两种混合演化算法捆绑式深化算法和元算法。实例仿表明,该算法可以获得比普通经算法好的结果。     

基于退火策略的混沌神经网络及其在TSP中的应用

本文主要研究混沌模拟退火神经网络（CSAN）在求解TSP中的应用。我们采用了四种GSAN模型，分别将它们对15、20、50个城市的TSP求解结果比较，并研究其模型参数的设置对TSP优化解的影响。仿真结果表明，CSAN比HNN具有更丰富和更为灵活的动力学特性，从而具有更强的搜索全局最优解或近似全局最优解的能力。