基于软件体系结构和广义差分进化的测试资源动态分配算法

测试资源分配是软件测试中的一个基础问题,然而已有研究大都针对并串联模块软件模型而鲜有涉及体系结构软件模型。为此,首先针对可靠性和错误数动态变化的测试环境,构建了一种基于体系结构的多阶段多目标测试资源分配模型。然后基于参数重估计、种群重新初始化、广义差分进化和归一化加权求和设计了一种面向动态可靠性和错误数的多阶段多目标测试资源分配算法。最后,在仿真实验中,与已有的归一化加权求和多目标差分进化（WNS-MODE）算法进行对比,所提算法在不同结构的体系结构软件模型实例上所获解集更优,容量值提高了约16倍,覆盖值提高了约84个百分点,超体积提高了约6倍。实验结果表明,所提算法能够更好地适应可靠性和错误数的动态变化,可为体系结构软件模型的动态测试提供更多和更优的测试资源分配方案。     

基于QoS约束的启发式网格资源分配算法研究

由于网格环境的资源分配问题属于NP难题而难以通过精确算法获得最优解,提出一种针对具有用户QoS需求的资源分配问题进行求解的启发式方法;首先,在资源分配模型目标函数中考虑QoS约束,然后采用改进的蚁群算法对资源分配方案进行寻优,在信息素的初始化、局部信息素和全局信息素的更新以及资源选择机制中,都加入了QoS约束,使得通过改进蚁群算法求解出的最优解能满足用户QoS需求和实现资源负载平衡;实验结果表明:文中算法得到的平均调度时间较QoS-F和QoS-GA分别减少了42.96％和24.49％,是一种符合网格环境的有QoS约束的有效资源分配方法.     

基于两阶段搜索与动态资源分配的约束多目标进化算法

解决约束多目标优化问题（CMOP）的难点在于平衡目标优化和约束满足的同时兼顾解集的收敛性和多样性。为解决具有大型不可行区域和较小可行区域的复杂约束多目标优化问题,提出一种基于两阶段搜索与动态资源分配的约束多目标进化算法（TSDRA）。该算法在第一阶段通过忽略约束跨越不可行区域;然后在第二阶段通过动态分配两种计算资源协调局部开发和全局探索,兼顾算法的收敛性和多样性。在LIRCMOP和MW系列测试问题上进行的仿真实验结果表明,与四个代表性的算法CMOEA-MS(Constrained Multi-Objective Evolutionary Algorithm with MultipleStages)、ToP(Two-phase)、PPS(PushandPullSearch)和MSCMO(MultiStageConstrainedMulti-Objective evolutionary algorithm)相比,所提算法在反转世代距离（IGD）和超体积（HV）上得到了更优异的结果。在LIRCMOP系列测试问题上,TSDRA获得了10个最佳的IGD值和9个最佳的HV值;在MW系列测试问题上,...     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

串并行软件系统测试资源动态分配建模及求解

系统测试是软件开发各个阶段中最消耗时间和资源的阶段,对于串并行软件系统来说,系统可靠性随着测试时间的推进会发生变化,如果再按照最初的方案分配测试资源,可能会造成测试资源的浪费,这时需要分阶段对测试资源进行再分配.在基于搜索理论的软件工程领域展开研究,首先,在分析测试资源、测试代价和系统可靠性关系的基础上构建了以测试资源为约束,以最大化可靠性和最小化测试成本为目标的测试资源多目标动态分配模型,按照测试进程的推进,动态地分配测试资源;然后,基于具有改进种群初始化策略的“一维整数向量编码”差异演化算法,提出了一种针对串并行软件系统的测试资源动态分配算法.对比实验结果表明,测试资源动态分配模型在保证系统可靠性的前提下,有效地节省了系统测试的消耗,提高了串并行软件系统的开发效率.     

部分信道状态信息下MIMO-OFDM的跨层资源分配算法

针对跨层多用户多输入多输出-正交频分复用（MIMO-OFDM）系统,以系统最大吞吐量为目标,给出一种基于部分信道状态信息的跨层资源分配算法。该优化问题设计的目标函数包括功率限制、传输速率、子载波占用、不同业务的服务质量需求与数据链路层的队列状态信息等约束条件。在数据链路层存在有限缓存条件下,通过均值反馈模型描述信道状态信息的反馈过程,推导出相应的跨层资源分配准则。仿真结果表明,所提算法与现有方案相比,满足了不同业务用户的QoS要求,并获得了好的吞吐率,降低了丢包率。     

一种基于服务选取的SBS云资源优化分配方法

获取满足全局优化目标的资源分配策略,是影响云环境中基于服务的软件系统(service-based software system,简称SBS)运行时优化效果的关键.然而,由于SBS内部复杂的业务逻辑关系和云环境中的资源约束,现有分配方法无法得到最优资源分配量.以满足SLA约束和最小化资源成本为目标,根据不同资源状态对应不同组件服务性能的特点,将组件服务可能的资源分配量、相应性能及成本转换为备选逻辑服务集,进而提出了一种云环境中基于服务选取的SBS资源优化分配模型,并设计了一种求解模型的混合遗传算法.算法采用整数编码以提高求解效率,并在选择算子中引入了精英保留策略,从而保证收敛到全局最优解.为提高遗传算法的局部搜索能力、加快收敛速度,以局部搜索策略改进了标准变异算子.实验验证了所提出的资源优化分配模型和求解算法的有效性,并表明:与分支定界法及精英保留策略遗传算法相比,混合遗传算法能够在较大规模的问题上快速获得具有较低资源成本的资源分配策略.     

雷达装备测试性设计优化技术

针对雷达装备测试性优化设计的实际技术需求,对雷达测试性优化设计过程进行了分析。以雷达装备各阶段数据为基础,综合考虑测试效能、测试代价、可靠性约束等要素,研究了基于测试代价和测试效能的测试性优化方法,并给出了基于最小测试代价的雷达系统测试性优化模型。针对模型多目标优化求解问题,给出了一种基于改进的粒子群优化算法。该算法引入混沌理论,使初始种群呈现多样性,避免了传统粒子群算法的早熟现象,同时提高了搜索的精度和速度。通过对案例的仿真与验证表明,利用这种改进的粒子群算法对基于最小测试代价的测试性优化模型进行求解时,能够在满足模型目标函数的约束条件下,获得全局最优解。     

D2D通信资源复用分配奖惩加权算法研究

为了改善不同D2D用户在资源复用模式下的服务质量瓶颈,以最大化系统吞吐率为目标建立资源复用分配模型,在资源需求量约束下,D2D用户通过复用多个蜂窝用户上行链路资源的方式来提升性能收益。同时在模型求解过程中,提出一种次优的奖惩机制,通过动态激励或约束不同资源差量的D2D用户获取RB资源,以降低问题复杂度。仿真实验表明,奖惩算法在牺牲少量系统吞吐率性能的基础上,能够较好的满足多个D2D用户的服务质量需求,使系统处于相对公平的资源分配状态。     

分布式系统监控资源多目标优化分配

针对分布式系统松耦合和动态配置的特点,提出采用监控资源分配进行组件监控周期的选择以达到可靠性保障和资源优化的目的。为了建立监控资源分配模型,首先采用马尔可夫链理论分析了监控策略下的系统可靠性模型;其次分析了监控机制的两种不同代价;再次选择了系统可靠性约束下的多目标监控资源分配模型,它通过最小化监控代价选择恰当的组件监控周期;最后应用遗传算法解决该优化模型。通过实验验证了监控资源分配的必要性和在可靠性优化中的作用,实验表明:监控资源分配能够达到资源优化和可靠性保障的目的;与单目标资源分配相比,多目标分配能够达到更好的优化效果。     

基于群智能的模糊多目标软件可靠性冗余分配

针对软件可靠性冗余分配问题,建立了一种模糊多目标分配模型,并提出了基于分布估计的细菌觅食优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊多目标进行处理,用高斯分布对细菌觅食算法进行优化,并将该优化算法用来求解多目标软件可靠性冗余分配问题,设置不同的隶属函数参数可以得到不同的Pareto最优解,实验数据验证了该群智能算法对解决多目标软件可靠性分配的有效性和正确性,Pareto最优解可为在可靠性和成本之间决策提供依据。     

泊松分布下无线传感器网络多目标覆盖控制

针对无线传感器网络中〖WTBX〗k〖WTBZ〗重覆盖率、能耗、可靠性难以协调的问题,在节点呈泊松分布的假设下,提出了多目标优化的覆盖控制。针对多目标差分进化算法在种群初始化、参数控制和种群维护中的不足,分别设计了种群正交初始化、参数自适应控制和动态种群维护策略,提出了改进的多目标差分进化(I-DEMO)算法对模型进行求解。仿真结果表明,该控制策略能够在达到81.2%的3重覆盖率的同时有效降低能耗并保障可靠性,I-DEMO可以支配传统算法76%的Pareto前沿。该算法同样适用于求解其他多目标问题。     

基于多优化目标的软件测试用例约简方法研究

软件测试是软件工程的一个重要组成部分,其目标是能够及时发现软件中的错误,确保软件高质量。测试用例是软件测试的基础,覆盖度较高且精简的测试用例集可以提高测试效率和降低成本。软件测试覆盖标准较多,一个好的测试用例评价指标也存在多种,为了能够在约简测试用例集规模的同时获取较高的测试能力,本文提出了一种基于多优化目标的测试用例集约简算法,该算法旨在根据测试用例需求,构建多优化目标的测试用例模型,使用该模型获取一个最优解的测试用例子集,使用最小化用例集方法最小化测试用例,迭代执行直到测试用例集覆盖所有的测试需求,实验结果表明该算法可以约简测试用例集,获取较高的综合测试效果。     

Optimal testing resource allocation during module testing considering cost, testing effort and reliability

Software reliability is one of the most important quality attributes of commercial software. During software testing, software reliability growth models (SRGMs) are commonly used to describe the phenomenon of failure occurrence and/or fault removal which consequently enhancements software reliability. Large software systems are developed by integrating a number of relatively small and independent modules, which are tested independently during module testing phase. The amount of testing resource available is limited which is desired to be consumed judiciously so as to optimize the testing process. In this paper we formulate a resource allocation problem of minimizing the cost of software testing under available amount of testing resource, given a reliability constraint. We use a flexible SRGM considering testing effort which, depending upon the values of parameters, can describe either exponential or S-shaped failure pattern of software modules. A systematic and sequential Algorithm is proposed to solve the optimization problem formulated. Numerical examples are given to illustrate the formulation and solution procedures. Sensitivity analysis is performed to examine the behavior of some parameters of SRGM with most significant influence.     

基于差分进化的复杂软件系统动态可靠性分配

现有关于复杂软件系统可靠性分配的研究均基于结构固定的软件系统,而实际情况中软件系统结构往往不固定。针对这一矛盾,构建复杂软件系统动态可靠性分配优化模型,并基于差分进化设计复杂软件系统动态可靠性分配算法。在系统结构发生变化时,首先基于D-S证据理论对系统中各模块的全局权重重新进行评估,并考虑变化前后系统的关联性,在差分进化生成初始种群时保留了部分历史解。最后,通过仿真实验分析验证了所提方法的有效性。     

化工园区应急物资多目标分配问题建模与求解

化工园区应急物资分配是开展危化品事故应急救援的基础,主要研究如何对化工园区周边的应急物资进行合理的调配以便让应急物资尽快从各储备站输送到事故点,保障事故救援的顺利开展.然而,已有研究大都局限于单目标优化,且过于强调应急响应的时效性而忽视物资消耗的连续性.为此,首先构建一种面向多储备站、多种应急物资、单事故点的应急物资多...     

A single front genetic algorithm for parallel multi-objective optimization in dynamic environments

This paper proposes a new parallel evolutionary procedure to solve multi-objective dynamic optimization problems along with some measures to evaluate multi-objective optimization in dynamic environments. These dynamic optimization problems appear in quite different real-world applications with actual socio-economic relevance. In these applications, the objective functions, the constraints, and hence, also the solutions, can change over time and usually demand to be solved online whilst the size of the changes is unknown. Although parallel processing could be very useful in these problems to meet the solution quality requirements and constraints, to date, not many parallel approaches have been reported in the literature. Taking this into account, we introduce a multi-objective optimization procedure for dynamic problems that are based on PSFGA, a parallel evolutionary algorithm previously proposed by us for multi-objective optimization. It uses an island model where a process divides the population among the remaining processes and allows the communication and coordination among the subpopulations in the different islands. The proposed algorithm makes an exclusive use of non-dominating individuals for the selection and variation operator and applies a crowding mechanism to maintain the diversity and the distribution of the solutions in the Pareto front. We also propose a model to understand the benefits of parallel processing in multi-objective problems and the speedup figures obtained in our experiments.     

串并联系统中支持实时替换的混合冗余策略优化

在需要长时间可靠运行的软件系统中,由于持续运行时间和任务响应速度的要求增加,工作组件在被探测到失效后将被冗余组件实时替换.但现有可靠性优化研究通常假设冷备份冗余在所有积极冗余组件失效后才使用.针对支持实时替换的混合冗余策略,对其冗余度优化分配进行研究.该策略不仅能够保障系统可靠性,而且能够保障系统性能,故选用实时可用性和任务完成效率两类约束条件,建立冗余配置代价最小化模型.基于马尔可夫链理论对可靠性及性能两类系统指标进行定量分析;采用数值计算方法对非线性的状态分析模型进行计算;改进二元组编码遗传算法对上述优化问题进行求解.采用实例对串并联系统中实时可用性及任务完成效率的分析进行了说明,并对优化冗余分配模型进行了验证.实验结果表明,在相同冗余度下,支持实时替换的混合冗余策略在任务完成效率方面优于传统的混合冗余策略.所以,在相同约束条件下不同混合冗余策略需要采用不同的冗余优化配置方案.