基于量子粒子群算法的测试数据自动生成算法

本文针对现在流行的进化算法生成测试数据存在参数设置难、算法复杂度高、易陷入局部最优解等缺点,提出了一种应用于软件测试中的基于量子粒子群算法（QPSO）的测试数据自动生成算法。该算法是在粒子群（PSO）算法基础上引入量子理论的思想。解决了PSO算法搜索空间有限,容易陷入局部最优解的问题。通过具体实验证明,该方法是有效可行的,其效率也明显高于GA算法和PSO算法。     

基于功能图的功能测试数据自动生成技术的研究与实现

研究利用功能图来描述软件功能的方法,进而研究了依据功能图由系统自动生成功能测试数括的技术,并实现了一个功能测试数据自动生成系统.该系统能为用户提供一组高效的测试用例,指导用户测试.     

一种基于改进遗传算法的测试用例自动生成研究

测试用例的生成是软件测试领域的关键技术问题。近年来,受生物进化思想启发得出的一种全局优化算法的遗传算法用于测试用例的自动生成方向的研究,对于软件测试的自动化有着重要的影响。为了生成高效的测试用例,笔者提出了一种改进的遗传算法,该算法采用实数编码方式,采用逻辑覆盖原则,将遗传算法的适应度函数进行改进并加入遗传导向控制,这样有利于种群的多样性遗传,避免种群早熟收敛现象,并结合Delaunay三角网生成程序进行说明,验证了该算法的有效性。     

基于粒子群优化的组合测试数据生成算法

针对组合测试中测试数据的生成问题,提出了一种基于粒子群优化的组合测试数据生成算法,引入衰减阈值的概念,在每次寻优过程结束后选出适应值在衰减范围内的优秀粒子.并采用了一种有效的扰动方式,根据最优粒子情况针对部分优秀粒子进行有效扰动,在每次优化计算后能够输出多条测试数据.与传统算法相比,在保证优化程度的前提下,有效地减少优化计算的次数,提高了测试数据的生成效率.     

基于遗传算法与LightGBM 融合的测试用例生成方法

随着互联网技术不断发展, 各类商务软件功能需求不断增加, 且其复杂性逐渐提高, 软件的可靠性与安全性受到了越来越多的关注, 软件测试是软件质量保障的关键技术。由于现代商务软件产品具有需求变化频繁、版本迭 代过快等特点, 为其手工编写测试用例会耗费大量人力成本, 尤其敏捷开发过程中, 回归测试等需要产生大量重复用例。采用机器学习技术, 基于遗传算法和LightGBM 模型, 提出了一个测试用例自动生成模型, 创新贡献表现在: ① 将测试步骤抽象为有向图模型, 简化测试用例数据; ② 采用遗传算法求解有向图可达路径, 替代人工生成测试路径; ③ 采用LightGBM 模型加快遗传算法收敛速度, 实验验证了所提出方法的有效性, 满足测试覆盖准则。该模型 可减少测试人员工作, 加快测试速度, 对提升项目质量、加快项目进度具有重要意义。     

GA-ACO算法用于IMX系统测试数据自动生成

在综合管理X-软件系统测试数据生成中,针对遗传算法不能利用系统提供的信息,需要迭代多次才可找到测试数据,而蚁群算法在搜索初期信息素匮乏的情况下测试效率很低等问题,提出了基于混合遗传蚁群算法的测试数据自动生成方法,通过运行一定次数的遗传算法,产生优化解并作用于信息素的分布,再利用蚁群算法精确求解.在三角形程序和综合管理X-软件系统上的实验表明,该方法在保持性能不变的情况下,大幅降低了迭代次数和消耗时间,提升了测试效率.     

采用HC-MARPSO算法的软件测试数据生成方法

在吸引排斥粒子群算法(ARPSO)基础上,引入新的种群多样性度量指标和排斥操作,提出改进的吸引排斥粒子群算法(MARPSO)。结合爬山算法(HC)的局部收敛能力和改进的吸引排斥粒子群算法避免早熟的特点,提出基于爬山算法和改进吸引排斥粒子群算法(HC-MARPSO)的软件测试数据自动生成方法。实验结果表明,该算法在生成测试数据的效率上高于遗传算法、粒子群算法。     

基于应变测试数据的梁结构损伤识别

本文采用结构应变测试信号,引入了伪比能概念,直接在时域内对梁结构进行损伤识别。为了减少损伤识别的分析计算时间、提高识别精度,采用了“两步法”识别法：第一步,建立了伪比能（Pseudo Strain Energy Density）损伤识别指标,利用其来进行损伤定位;第二步,在损伤定位的基础上,利用遗传算法对损伤部位的具体损伤程度进行判别。并通过编程连接了Matlab与ANSYS,形成了完整的基于遗传算法的结构损伤识别系统。最后,通过一钢筋混凝土三跨连续梁有限元模拟数据,验证了本文提出的方法的有效性。     

并行遗传算法研究综述

扼要概括和评价了并行遗传算法的四种并行模型:主从式模型、粗粒度模型、细粒度模型及混合模型,不仅给出了每种模型的特点及适用范围,而且也指出了每模型在应用中需解决的关键问题.通过模型比较发现粗粒度模型以其较小的通信开销和对种群多样化,获得了最广泛的应用.最后介绍了目前并行遗传算法的主要评价模型,并指出了并行遗传算法的今后主要研究方向,将向理论化、模型化、异步化及混合化等方向发展.     

测试图形生成的遗传算法研究

提出了一种用于组合电路测试图形生成的遗传算法。该算法把被测电路的测试生成问题转化为计算一种约束函数的最优解,可充分利用电路的结构信息。为故障节点生成测试时易于操作,且无需经过故障模拟,就可保证对所有可测的单固定型故障及多故障有较高的故障覆盖率。     

Minimal-Length Interoperability Test Sequences Generation via Genetic Algorithm

A novel interoperability test sequences optimization scheme is proposed in which the genetic algorithm (GA) is used to obtain the minimal-length interoperability test sequences. During our work, the basic interoperability test sequences are generated based on the minimal-complete-coverage criterion, which removes the redundancy from conformance test sequences. Then interoperability sequences minimization problem can be considered as an instance of the set covering problem, and the GA is applied to remove redundancy in interoperability transitions. The results show that compared to conventional algorithm, the proposed algorithm is more practical to avoid the state space explosion problem, for it can reduce the length of the test sequences and maintain the same transition coverage.     

改进可满足性的测试向量生成算法

描述了可满足性的测试向量生成（ＳＡＴ－ＡＴＰＧ）算法,针对此算法的不足提出反向路径敏化算法（ＢＰＳ）嵌入ＳＡＴ－ＡＴＰＧ中,减少了ＣＮＦ的构成时间和搜索空间,而且减轻故障压缩的工作量,又不损失最终测试集的精简。     

面向时滞测试生成的改进遗传算法

在提出的无冒险的时滞测试能量函数的基础上,对传统的遗传算法进行了改进,即在搜索中根据进化程度对群体尺寸进行调整来加速收敛,用于时滞测试生成。实验证明该方法是一种较有发展前途的算法。     

基于一种改进遗传算法的智能组卷的研究

在智能组卷中,为了避免简单遗传算法收敛速度慢及局部收敛的问题,引入了一种改进遗传算法.该算法利用不断淘汰相似个体,并不断补充新个体的方法,达到了扩大搜索空间,稳定群体的个体多样性目的.试验结果表明,只要试题库中的试题数量适中,试题完备,分布合理,由该算法产生的试卷就能满足用户的各项需求指标.     

成对测试中的一种用例生成算法

在对嵌入式软件进行黑盒测试研究的基础上,提出了一种基于成对测试设计思想的测试用例生成算法。该方法充分考虑到待测软件所有外部接口参数的可能取值和各种可能取值的组合。实验结果证明,该算法在不影响测试精度的情况下能有效提高测试用例的选择效果。     

基于三值神经网络的组合电路测试生成算法

针对集成电路的规模和复杂度不断增加而相应的测试却越来越困难问题,提出了一种基于三值神经网络的组合电路测试生成算法．该算法不需要传播,也不需要回退,而是利用三值神经网络把组合电路表示成双向的神经网络,并构造网络的能量函数,用遗传算法求解能量函数的最小值点来求得测试矢量,这样就把组合电路的测试生成问题转化为数学问题．在一些基准电路上的实验结果表明,本算法具有较高的故障覆盖率和较短的测试时间．