基于搜索的分层回归测试数据集扩增方法

针对在回归测试中原有的测试数据集往往难以满足新版本软件的测试需求问题,提出一种基于搜索的分层回归测试数据生成方法。方法主要包含覆盖目标方法集获取模块和测试数据生成模块。首先对新版本程序进行抽象分析,提取出方法调用图,利用方法调用轨迹和已有测试数据建立方法覆盖信息,获取目标方法集,并通过计算贝叶斯条件概率对目标方法集进行优先选择;利用Hadamard矩阵设计正交种群,同时结合已有测试数据集进行种群初始化,采用文化基因算法对目标集中方法生成测试数据。该方法针对4个基准程序与随机法和遗传算法以及基于粒子群算法测试数据生成方法相比,测试数据的生成效率平均提高了95.2%、78.2%和50.5%,测试数据检错能力平均提高了47.9%、33.6%和18.2%,实验结果表明,该方法更适合回归测试数据的生成。     

基于路径引导的回归测试用例集扩增方法

为了全面测试演化软件,回归测试通常需要生成新的测试用例。concolic测试是一种沿着具体执行路径进行符号执行的软件验证技术,通过生成测试数据来执行程序的所有可行路径。回归测试中,由于concolic测试关注于程序本身,没有利用已有测试用例和软件演化信息,导致生成大量无效测试数据,浪费资源和时间。为解决此问题,提出一种基于路径引导的回归测试用例集扩增方法。该方法将目标路径作为引导,根据软件演化信息选择有利于覆盖目标路径的测试用例,利用已有测试用例跳过重叠初始子路径,对后续目标子路径进行concolic测试并生成覆盖目标路径的测试数据。案例分析表明,本文方法相比传统concolic测试,本方法在覆盖程序可行路径的同时,可有效减少concolic测试路径,提高测试数据生成效率。     

基于天牛须搜索的花朵授粉算法

针对花朵授粉算法后期收敛速度慢,寻优精度低的缺点,提出了一种基于天牛须搜索的花朵授粉算法（BASFPA）。算法首先在全局寻优阶段采用天牛须搜索加快收敛,其次在局部寻优阶段加入变异策略帮助算法跳出局部最优。实验使用6个常用优化函数进行测试,结果表明BASFPA在低维和高维下收敛速度和精度均高于其他算法,达到相同精度所需的迭代次数均小于其他算法,证明天牛须搜索对FPA算法的改进是合理的。     

天牛须搜索算法研究综述

天牛须搜索算法(Beetle Antennae Search,BAS)是一种新型的智能优化算法,它是由天牛觅食所启发.自2017年提出以来,随着学者们对算法的研究不断深入,他们从多个方面对算法进行了改进,提出许多BAS的变体算法并将其广泛应用于各个领域.介绍BAS算法的搜索机制与寻优步骤,结合国内外文献对该算法的改进研...     

一种基于混沌天牛须搜索算法的摄像机标定方法

为了较好地解决传统智能优化方法在摄像机标定中存在标定精度低、效率和鲁棒性差的问题,提出一种基于混沌天牛须搜索算法的摄像机标定方法。该方法使用MATLAB标定工具箱对摄像机非线性成像模型进行预标定,预标定结果作为混沌天牛须搜索算法的初始值;构造平均重投影误差适应度函数,建立混沌天牛须搜索算法优化模型对标定参数进行优化;与基于传统智能优化方法的摄像机标定方法进行实验对比。实验结果表明,该方法得到的平均重投影误差为0.005 72像素,算法总的运行时间为46.15 s,可以有效提高摄像机标定的精度、鲁棒性与效率。     

基于天牛须搜索自适应的樽海鞘算法

针对樽海鞘算法在优化求解问题时收敛速度慢和局部优化能力差等缺点,引入不同的优化策略对其进行改进,提出一种基于天牛须搜索自适应的樽海鞘算法.改进的樽海鞘算法在领导者位置更新中引入天牛须搜索机制和洛伦兹函数替代基本樽海鞘算法领导者位置更新公式中的随机值,提高了算法的局部优化能力;在追随者位置更新中引入自适应惯性权重,调节自...     

基于自适应粒子群优化算法的测试数据扩增方法

针对在回归测试中原有测试数据集往往难以满足新版本软件测试需求的问题,提出一种基于自适应粒子群算法（APSO）的测试数据扩增方法。首先,根据原有测试数据在新版本程序上的穿越路径与目标路径的相似度,在原有的测试数据集中选择合适的测试数据,作为初始种群的进化个体;然后,利用初始测试数据的穿越路径与目标路径的不同子路径,确定造成两者路径偏离的输入分量;最后,根据路径相似度构建适应度函数,利用APSO操作输入分量,生成新的测试数据。该方法针对四个基准程序与基于遗传算法（GA）和随机法的测试数据扩增方法相比,测试数据扩增效率分别平均提高了约56%和81%。实验结果表明,所提方法在回归测试方面有效地提高了测试数据扩增的效率,增强了其稳定性。     

基于二次插值的天牛须搜索算法

针对天牛须搜索算法在高维空间中搜索精度低和易陷入局部最优的问题进行了研究,提出一种新的天牛须优化算法——基于二次插值的天牛须搜索算法(QIBAS)。算法在天牛进行移动后,将天牛当前位置左右两触须作为插值坐标点,利用二次插值生成一个新的解,再对比插值产生的解与当前最优解、全局最优解的适应度值,更新全局最优解。对多个单峰函数和多峰函数进行数值仿真测试,其维度分别取100、500、1000、5000、10000。仿真结果表明,引入二次插值有效提升了BAS算法跳出局部最优的能力。QIBAS在求解最优值时,其求解精度有极大的提升,收敛速度也有较明显提升,改进算法的有效性得以验证。     

基于差分进化策略的天牛须搜索算法及其应用

针对天牛须搜索(BAS)算法收敛结果高度依赖单个个体、勘探能力弱、容易陷入局部最优解的问题,提出一种基于差分进化策略的天牛须搜索(BASD)算法。该算法使用佳点集方法初始化天牛种群,提高了算法的种群多样性;引入动态差分进化思想,设计了一种精英演化竞争指导策略,较好地平衡了算法的开采和勘探能力。通过14个基准函数对BASD算法进行测试,并与几种先进智能优化算法的优化结果进行比较。结果显示,BASD算法的优化性能整体更好。将BASD算法应用于图像增强中,结果表明,使用BASD算法增强后的图像灰度分布更均匀、分布范围更大。     

天牛须遗传杂交算法的研究与应用

为加强自适应遗传算法在高压选择下的全局搜索能力,提出了一种结合天牛须搜索的杂交算法。利用天牛须搜索算子对遗传算法产生的新个体进行局部改良,以增强导向作用和局部搜索能力。采用数据驱动策略改善算法杂交引起的复杂度问题,对不同维度变量进行基于目标函数的灵敏度分析,优化其进化路径从而达到提高算法运行效率的目的。通过定量实验研究算法在桁架尺寸优化问题上的应用效果,并定性分析数据背后的原因展示算法的优点和特点。研究结果表明：在桁架结构尺寸优化研究中,用钢量最低的经济效益方案为2 490.56?kg,与现有元启发式算法研究结果吻合,证实了算法的准确性及有效性;40 000个经济效益方案用钢量平均值为2 491.43 kg,标准差为8.05,收敛率达到98%,与其他元启发式算法相比证实了该算法较高的稳定性。     

基于天牛须搜索的粒子群优化算法求解投资组合问题

粒子群算法（PSO）作为一种群智能算法,有效提高了投资组合模型的实用性,但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点,本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO）,并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO）,每个粒子的更新规则源自BAS,在每次迭代中都有自己对环境空间的判断,而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解,从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.     

改进天牛须算法对滑翔炸弹控制器的优化设计

对于采用BT T控制策略的滑翔炸弹这一复杂非线性系统,经过线性化处理后运用分通道设计的思路,来分别对俯仰偏航双通道进行设计.首先描述了其动力学模型,在对该模型分析的基础上,提出了添加混沌扰动的改进天牛须搜索算法,在每次迭代过程中对步长进行了自适应的动态调整,从而设计了基于此算法优化的LQR控制器.经Simulink仿真后对结果进行分析,改进优化算法其优化结果可以更好的跳出局部最优点,且在不同马赫数下设计的控制器都可以较好的满足系统的输出要求,同时也克服了以往经验试凑参数的非通用弊端,从而更好的满足在线调节的要求.     

基于区间算法的软件测试数据生成方法

软件测试过程中经常需要对大量的数值计算模块进行穷举测试,传统的软件测试方法就显露出了不足与局限。该文采用区间算法生成测试数据,比较了采用区间算法的软件测试方法和传统的软件测试方法,结果表明,区间代数方法很好地解决了传统测试方法不能解决的问题,发现程序代码中可能的计算异常,判断能否给出程序代码输出变量的上限范围和是否存在不可能达到的分支。     

一种基于大数定律的软件测试方法

随着软件规模越来越大,复杂程度越来越高,软件测试也变得越来越复杂。由于人力、经费、时间等测试资源有限,穷尽测试显然是不划算的。故需要从数量众多的可能测试数据中精心挑选出尽量少的测试数据来设计测试用例,通过这样设计的测试用例可以高效地把隐藏在软件中的错误、缺陷检测出来。文中根据历史数据和以往的经验,利用统计学中的大数定律提出了设计测试用例的“测试用例优先值向量法”。该方法的思想是当软件开发的资源、技术条件、开发过程管理等影响软件质量的因素相同时．软件产品中的各种缺陷、错误发生的概率也是基本一定的,因此,可以根据历史数据来推断出各类错误的分布情况,并由此来设计测试用例。该方法具有客观性、高效性和可复用等特点,在软件测试过程中可以节省大量的资源,提高软件测试的效率。     

基于PSO的软件结构测试数据自动生成方法

测试数据自动生成是软件测试过程中一个关键的问题。现有的结构测试数据自动生成,多采用基于遗传算法的方法。这些方法存在算法复杂、参数不易设置问题。该文提出一种基于粒子群算法的软件结构测试数据自动生成方法,以分支函数叠加法作为适应值函数。针对三角形判别程序的结构测试数据生成实验结果表明,与基于遗传算法的方法相比,可以更高效地生成测试数据,在粒子数目与种群个数相同的情况下,生成所需测试数据的迭代次数仅是遗传算法的1/16左右。     

基于改进PSO算法的路径软件测试用例生成方法

针对路径测试中的软件测试用例生成的问题,提出了一种基于改进PSO算法的软件测试用例生成方法。首先,采用分值函数叠加方法来构造PSO算法中的适应度函数,并对粒子位置更新策略进行改进。接着,构建算法的控制流程图并进行目标路径选择。然后,利用程序插装收集个体的适应度值。最后,测试数据生成程序执行,得到合适的测试数据。通过在三角形分类判别案例程序上的实验结果表明,提出的软件测试用例生成方法能够生成更合适的测试用例,且有效减少了生成所需时间。     

基于GEP的路径覆盖测试用例生成方法

提出一种基于基因表达式编程(GEP)算法、编译器技术、虚拟机技术的路径覆盖测试用例生成方法。该方法使用编译器技术获得程序的静态控制流路径集合,针对集合中的每一条静态控制流路径,使用GEP算法生成覆盖特定路径的测试用例,采用虚拟机完成结果计算,其中有效的结果即所需的测试用例。实验结果证明,该方法能高效、准确地得到覆盖特定控制流路径的测试用例。     

基于Agent的软件测试数据生成框架

针对测试数据生成方法扩展性差、智能化程度低的问题,提出一个基于多Agent合作的软件测试数据生成框架,该框架由测试信息提取Agent组和测试数据生成Agent组构成,能充分利用Agent扩展性好、灵活性强、高度自治等特点。通过开发的软件原型,验证了该框架的可行性。     

SDN数据平面软件一致性测试用例生成方法

SDN(software-definednetwork)旨在解决架构复杂且分散的传统网络出现的问题,使网络具有更强的灵活性.P4编程语言的特征在于用户可以直接根据自己对处理数据包的需求定义P4程序,然后经过编译过程,生成适配文件将用户需求配置到网络设备.面向P4编程语言的SDN数据平面一致性测试,是将一致性测试用例发送给P4网络设备,评估实际输出和预期输出的一致程度.一致性测试用例是执行一致性测试的载体,而传统的人工构造测试用例是一项繁琐耗时费力的工作.重点分析了面向P4编程语言的SDN数据平面软件一致性测试用例设计原则和生成方法,给出了一致性测试用例覆盖标准,设计了命令信息实体结构和测试用例实体结构,以装载P4程序的simple_switch虚拟交换机为测试对象,说明一致性测试用例生成过程,实现了一个用于P4网络设备一致性测试的测试用例自动生成工具,并验证了该工具自动生成测试用例的有效性,实现了一致性测试用例构造过程简易性.     

基于搜索算法的测试用例优化问题研究

测试用例优化是软件测试领域的研究热点之一,已有优化算法的评估多以代码覆盖为基础,这并不能完全反应程序的错误状况,高代码覆盖率的测试用例并不一定具有高的揭错能力.本文结合变异测试,从新的角度-———错误覆盖出发,对两种贪心算法、一种启发式算法、及遗传算法的优化效果进行了评估,实验结果表明额外贪心算法优于其它三种算法.该评估结果的置信度更高,为此类算法的评估提供了新的研究思路.