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...     

模糊测试中测试用例生成方法

代码覆盖率一直是影响模糊测(Fuzzing)测试效率的重要因素,而模糊测试用例则很大程度上影响代码覆盖率,所以如何构造高效的测试用例就显得非常重要。将遗传算法应用到测试用例的生成上,可以实现降低测试用例的冗余度,还能提高代码的覆盖率。从而使被测程序在尽量短的时间内得到充分的测试,提高模糊测试的效率和效果。     

基于模糊遗传的模糊模拟退火算法研究

定义了模糊集的质心概念，并据此来确定模糊集的大小。针对模糊寻优问题，提出了模糊模拟退火算法ＦＳＡ。基于所提出的模糊遗传算法ＦＧＡ，还提出了ＦＳＡ的有效改进算法ＦＧＳＡ。     

模糊神经网络充电算法研究

电池的充放电是一个复杂的电化学变化过程,其复杂性表现在多变量、非线性、离散型.马斯(J.A.Mas)通过大量实验研究,为提高充电效率和稳定性,给出了为前提的蓄电池可接受的最佳充电电流曲线.提出一种根据遗传算法优化的模糊神经网络充电控制算法进行仿真.通过仿真实验得出,算法具有在线学习的能力能够较好地跟踪最佳的可接受充电电流曲线,提高充电效率,有效防止电池的过充和过热问题.     

基于遗传粒子群混合算法的测试节点优选方法研究

随着电子技术的大规模发展,电路可靠性要求逐步提高,电路板测试诊断的重要性日益凸显;如何寻求最佳的测试节点或测试矢量集是电路的故障诊断中的重要问题,提出一种基于遗传粒子群优化算法对测试节点进行优化选择.该方法通过建立电路测试节点的"故障-测试"矩阵,用遗传算法对数学模型的进行优化,并采用粒子群算法搜索实现了快速求解;与传统方法相比较,该方法搜索速度快,优化效果明显,已在工程实践中得到应用.     

基于减聚类的遗传模糊的协同过滤算法研究

通过对传统协同过滤算法中存在的问题以及解决情况进行分析,论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法,利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分,更好地发挥遗传算法的全局搜索能力,加快收敛速度,同时也能够很好地解决数据稀疏性带来的冷启动问题.     

基于模糊理论的软件项目调度算法

针对软件项目调度问题中信息的不确定性及资源分配的特殊性需要,提出了一种基于模糊理论的软件项目调度算法FSSA。该算法采用模糊数表示任务的工期并应用遗传算法产生任务的调度序列。实验结果表明,FSSA算法能在很短的时间内得到理想的结果,有一定的应用价值。     

引入RNA计算的遗传模糊C均值聚类算法

模糊C均值算法（FCM）在聚类分析中是目前比较流行和应用比较广泛的一种算法。但它存在两个弱点：一是对初始化非常敏感,容易陷入局部极值点;二是处理大数据集时耗时太长。基于RNA的分子计算是近年来新兴的一种智能优化计算方法。提出了基于RNA计算的遗传模糊聚类算法（RNAGAFCM）,来提高收敛速度和全局寻优能力。仿真实验表明新算法比现有的遗传模糊聚类算法减少了迭代次数,提高了收敛速度。     

模糊测试中基于神经网络的敏感区域预测算法研究

软件漏洞是造成计算机安全问题的根本原因,模糊测试技术由于其易扩展,高效的特性,是目前主流的漏洞检测技术之一。然而以往的模糊测试技术存在着对识别高结构样本失效以及盲变异效率低下的问题。针对这些问题,本文提出了基于神经网络的敏感区域预测的模糊测试方法。该方法以输入文件的某些区域的极小改变会引起程序行为较大改变的现象为出发点,引入了敏感区域概念,并引入了能够学习总结数据特征的神经网络方法检测敏感区域。在检测敏感区域的基础上,本文引入了增量学习策略,进行了变异策略的优化,使检测效率以及检测深度有更多提升。为了验证提出方法的有效性,本研究在三种热门格式文件PNG、TIFF、XML的处理软件上进行了实验,在模糊测试覆盖率上取得了8%~20%的提升,从而验证了本文方法的有效性和可行性。     

改进的遗传模糊聚类算法及其在入侵检测中的应用

本文提出了基于改进遗传算法的特征加权模糊聚类算法(IG-WFCM),通过对样本数据集进行聚类划分,以此来确定数据所属的类别。并通过入侵检测仿真实验对该算法进行了测试,结果表明本文的算法是可行的,在一定程度上提高了入侵检测算法的性能和效率。     

基于免疫遗传算法的软件测试数据自动生成

提出了一种应用于软件测试中的基于免疫遗传算法（IGA）的软件测试数据自动生成的算法。该算法在传统的遗传算法中引入免疫算子,免疫算子其中包括获取疫苗、注射疫苗和免疫选择。实验结果表明,该算法的效果比传统的遗传算法效果好。     

基于蚁群算法的软件测试数据自动生成

提出了一种基于蚁群算法的测试数据自动生成方法。该方法采用位串形式编码,实现了被测程序输入空间到蚂蚁路径网络的映射模型。根据程序插装函数定义的路径信息素轨迹强度,蚂蚁进行群体协作搜索最佳路径,生成测试数据。在基本蚁群算法基础上,通过引入变异算子和自适应挥发系数,提高了蚂蚁路径的多样性,克服了早熟停滞的缺陷。和模拟退火遗传算法进行了对比实验研究,结果表明了该方法的可行性,生成测试数据的效率优于模拟退火遗传算法。     

基于模拟退火遗传算法的自动组卷系统研究

从题库中抽出一组满足多项要求的试题是一个组合优化问题,针对该问题,比较了目前几种组卷算法的特点,提出把一种实数编码的模拟退火遗传算法应用在自动组卷问题中.为了对群体中每个个体进行调整并改善单一遗传算法的性能,该算法以遗传算法流程作为主体流程,在主流程中嵌入模拟退火算法.与现有遗传算法相比,该算法能较好地克服未成熟收敛现象,并且组卷的成功率和速度有明显的提高.     

基于遗传算法的软件项目人力资源调度研究

从软件企业的实际情况出发,引入了人力技能熟练程度参数和任务完整度约束因素,建立了更加接近实际的软件项目人力资源调度模型,并利用遗传算法对该模型进行求解,详细设计了遗传算法的运行过程,最后通过一个算例对其进行了验证。     

基于知识点约束的遗传算法组卷策略的研究

基于遗传算法的自动组卷策略采用分段实数编码,具有自适应型的交叉和变异遗传算子,基于知识点约束的分题型的组卷算法思想,为自动组卷算法的进一步发展提供了研究方向.     

分布式遗传算法在智能组卷中的Web services实现*

研究了分布式并行遗传算法的智能组卷问题。设计了在校园网范围内的分布式Web服务的组卷系统,通过多线程的软件结构实现了Web服务之间的相互调用及反馈机制,采用基于Base64的预先基因压缩方案来提高SOAP性能。仿真试验证明了分布式Web服务的组卷系统不仅可以极大地减少组卷时间、具有良好的容错能力,同时也能一次生成多套试卷,为构建B/S模式下的机器考试系统提供了依据。     

遗传算法生成变异测试用例

实际测试用例一般不能满足变异测试充分,但遗传算法搜索空间较大,可使用其生成变异测试充分度较高的测试用例集.适应值函数的构造使用分支函数插装法.首先根据杀死弱变异体的必要性条件,构造必要性条件分支函数,插装于源程序中;然后根据可达性条件,构造可达性条件的分支函数并插装.使用基于面向路径的遗传算法来搜索杀死弱变异体的测试用例.将终止条件改为程序最终结果的不同,插装函数不变,生成满足条件的强变异测试用例.对于多重弱变异,按熙可达路径实施等价类划分,每一个等价类采用与单重弱变异相同的方法.实验结果表明,遗传算法可生成杀死各类变异体的测试用例,优于随机生成的测试用例.     

混合遗传算法在面向对象软件集成测试中的应用

提出了一种在面向对象软件集成测试中确定类间测试序列的混合遗传算法。该算法在基本遗传算法的基础之上增加局部搜索以增强局部搜索能力,以及使用缓冲池以减少运行时间。实验结果表明,该算法的性能优于现有的其他方法。     

一种结合遗传算法的工控协议模糊测试方法

模糊测试在工控协议的漏洞挖掘中有很好的适用性,但传统的模糊测试存在着用例的生成工作量大、失效率高等弊端.为了解决这些问题,设计了一个结合遗传算法与模糊测试的工控协议模糊测试器GA-Fuzzer,并引入基于维度变换的用例空间模型和危险点的概念.在GA-Fuzzer中,构造了更有效的动态适应度函数,同时设计了动态变异算子和交叉算子优化测试用例.在相同实验环境下,分别采用开源模糊测试方法Peach以及GA-Fuzzer对目标进行测试,结果显示GA-Fuzzer可有效改善传统遗传算法过早收敛的问题,且与Peach相比,达到相同的测试预期所使用的用例数量降低27.20％,测试时间降低34.82％.     

基于遗传算法的有趣模糊规则挖掘算法

针对数据挖掘中多强调分类规则的准确性和可理解性而很少研究规则的有趣性问题。对CHENS和LIUB提出的兴趣规则挖掘方法进行扩展,提出一种基于遗传算法的有趣模糊规则挖掘方法．实验表明该方法是可行的．