一种基于频谱信息并结合碰集和遗传算法的缺陷定位方法

在软件研制过程中,缺陷定位是一个重要的研究课题。但是,实际软件中的缺陷数量无法被预先判定,且已有的单缺陷定位方法不易使用,已有的多缺陷定位方法存在定位效率不高的问题。基于此,文中对多缺陷定位方法GAMFL进行了研究和改进,提出了基于频谱信息并结合碰集和遗传算法的缺陷定位方法GAHIT。该方法定义了定位基本块,并用其替代语句进行缺陷定位,缩小了搜索范围;在初始种群的构造过程中,提出了采用求解失败用例执行路径碰集的方法,优化了初始种群的生成,并给出了新的适应度函数的计算方法,提高了算法的整体执行效率;最后针对遗传算法的结果,给出了缺陷检查策略,提高了在最优种群中查找缺陷的准确性。实验结果表明,所提方法能够有效处理缺陷数量未知情况下的定位问题,在单缺陷和多缺陷程序中都有较好的定位效果。     

一种基于遗传算法的缺陷集合最小化方法

文章根据遗传算法,提出了一种简化导致软件系统故障的缺陷集合的方法。在软件缺陷注入测试中应用此方法,可以快速地从注入缺陷集合中分离出导致软件系统故障的缺陷子集,进而可以方便测试者定位出被测软件系统中的脆弱点。     

一种基于信息量的缺陷定位方法

缺陷定位是软件调试过程中的重要环节,它通过利用程序信息和测试信息来定位软件中的错误.借助于事件信息量,提出一种基于事件信息量的缺陷定位方法——SIQ(suspiciousness based on information quantity).SIQ方法根据测试信息中不同事件的类型及其发生的概率,结合语句的执行信息,动态计算和调整缺陷定位的结果.通过大量的实验分析和对比,SIQ方法在多个数据集上表现出了很好的稳定性,与几种现有的缺陷定位方法相比,SIQ方法的缺陷定位效果也更加准确.     

软件多缺陷定位方法研究综述

软件多缺陷定位(Multiple Fault Localization,简称MFL)尝试在含有多个缺陷的软件程序中自动标识出这些缺陷所在的位置.传统的缺陷定位研究一般假设被测软件内仅含有一个缺陷,而实际情况下软件内往往包含多个缺陷,因此MFL问题更加贴近实际场景.当程序中存在多个缺陷时,由于缺陷数量难以准确估计,同时缺...     

一种基于遗传算法的移动机器人自定位方法

针对移动机器人定位研究中的位姿跟踪、全局定位和"绑架"三类问题,提出一种基于遗传算法的移动机器人自定位方法.设计基于位置相似度的种群适应度计算方法,利用实值编码方式实现种群的交叉、变异,有效提高算法的实时性.针对机器人定位过程中的"绑架"现象,在常规遗传算法的基础上引人种群发散算子,减小种群匮乏效应.在此基础上,利用机器人运动模型更新种群状态实现机器人的连续定位.在实际室内环境进行机器人定位实验,证实本文算法的有效性.     

一种基于多变量Logistic模型的缺陷定位方法

缺陷定位是软件开发过程的重要环节。充分利用程序的结构特征和行为特征有助于提高缺陷定位效率。提出一种基于多变量Logistic回归分析的缺陷定位框架, 用于软件演化时对新版本程序进行类方法级别的缺陷定位。首先设计一组度量结构特征和行为特征的指标, 通过静态分析和测试程序搜集并构建旧版本程序的特征数据集, 同时从缺陷跟踪系统获取旧版本缺陷信息;其次, 基于所得特征数据集和缺陷信息, 应用单变量分析筛选出度量指标中与缺陷显著相关的指标, 随后用选中的显著指标展开多变量分析, 训练多变量Logistic模型;最后, 基于选出的显著指标搜集并构建新版本程序的特征数据集, 运用得到的Logistic模型预测每个类方法的出错概率, 进而按出错概率降序检查类方法以定位错误。基于一组开源程序进行缺陷定位实证研究,结果表明, 多变量Logistic模型可以提高缺陷定位的效率。关键词：     

一种基于遗传算法的权重向量选取模型

CBR中权重向量的选取是范例检索过程中重要的一个步骤，其选取的好坏直接关系到范例检索的质量。传统的方法中权重向量一般由专家指定，常导致提取到的范例对问题的解决没有帮助。文中提出了一种根据遗传算法对权重向量进行调整的策略，为找到最优相似范例提供了一条有效途径。     

基于遗传算法的多目标定位技术

面对一般算法在多目标定位技术中难以求解的问题 ,本文利用遗传算法基本原理 ,给出了一个完整的多目标定位算包括空间数据的编码与祖先群体的生成、个体适应度的评价、个体的选择、交叉与变异等步聚。并用 Visual C 实现。     

一种改进的基于信号强度的WLAN定位方法

与室外定位技术相比(如GPS),基于无线局域网(Wireless Area Network)的定位更适用于室内环境。两种基于接收信号强度(RSSI,Received Signal Strength Indication)的定位方法即位置指纹法和信号传播模型法广泛用于室内定位的研究。使用边界盒算法和改进的二分范围搜索算法将两种室内定位方法相结合,提出了一种改进的基于RSSI的定位方法。提出的方法根据指纹数据库中样本的横纵坐标对其进行预处理,同时使用改进的线性二分范围搜索算法降低指纹数据库中的样本数,进而提高实时定位过程的效率。最大化位置指纹维度,并添加时间维,同时通过实验数据阐明所提出的方法可提高用户位置估算的精确度。     

一种基于Kolmogorov-Smirnov检验的缺陷定位方法

现有的基于中心极限定理和参数假设检验的方法被认为是一种高效的缺陷定位技术.然而,实验结果表明,在某些实验数据集上,测试用例的总数过小而不宜运用中心极限定理.实验结果同时表明,谓词的实际分布背离了基于参数假设检验的方法所假设的正态分布.基于以上发现,提出了一种基于Kolmogorov-Smirnov检验的缺陷定位方法.在西门子测试集和大型程序上的实验结果表明:该方法在小样本和非正态分布的样本集上具有较好的适用性.若谓词在某个测试用例执行时未被执行,已有的方法将该执行中此谓词的评估偏差值设为0.5.在西门子程序集上调查了该设置的有效性,实验结果表明:对于基于Kolmogorov-Smirnov检验的缺陷定位方法,该设置可以提高缺陷定位的效率.     

一种基于极值思想的多序列联配求精算法

多序列联配（MSA）是一个NP问题，为了取得一个好的联配结果，常用渐进和迭代两种方法，但渐进方法不能调整早期的错误，迭代方法面临怎样跳出局部最优的问题。该文提出了一种新的求精方法，该方法基于极值遗传算法和挖掘策略。极值遗传算法基于极值组合元素，能够减少搜索空间。易于找到全局最优解。算法实现过程中，首先用挖掘算法挖掘出已知联配中的不良序列块，然后所有的不良序列块用极值遗传算法重新联配。当初始的序列是用渐进算法联配时，新的求精方法能调整早期的一些错误，充分结合渐进和迭代算法的优点。最后算法用来自于数据库BAliBASE中数据进行了验证。     

一种求解MSA问题的自适应遗传算法

多序列比对(MSA)在生物信息学研究中占有重要地位,MSA问题是一个典型的NP问题,遗传算法是求解NP完全问题的一种有效方法。文章针对MSA问题,提出了一种新型自适应遗传算法,根据群体的多样性自适应调节变异概率,有效消除了算法中的欺骗性条件,使用突变算子来确保算法的搜索能力。整个算法模拟了自然界进化的周期性,较好的解决了群体的多样性和收敛深度的矛盾。算法的分析和测试表明,该算法是有效的。     

产生多条路径上测试用例的改进遗传算法

测试用例的产生是软件测试过程中的重要环节，也是瓶颈之一。遗传算法作为一种高效的搜索寻优算法，近年来较多地用于自动化测试中产生测试用例。该文结合数据库管理系统源代码的特点，在基本遗传算法的基础上，结合“位权重”和“邻居影响”的思想，提出了用于产生多条路径上测试用例的改进遗传算法，并通过实验验证了该算法的有效性。     

基于遗传算法与BP神经网络的故障诊断模型

为了克服单独应用BP算法时存在的缺陷,利用遗传算法(GA)对其进行了改进,建立了基于遗传算法与BP神经网络相结合的诊断模型,此外在二进制编码方法的基础上,讨论了十进制的编码方法与实现以及网络模型参数取值与学习次数间的相互影响等关键问题。     

基于遗传算法的多人旅行商问题求解

旅行商问题是一个经典的XP完全问题,多人旅行商问题的求解则更具挑战性。以往对求解多人旅行商问题的研究局限于以所有成员路径总和最小为优化标准,面对以所有成员路径最大值最小为优化标准的另一类多人旅行商问题却未加注意。文章给出了这两类多人旅行商问题的形式化描述,探讨了利用遗传算法求解这两类多人旅行商问题的基本思想和具体方案,进行了仿真实验验证。仿真实验数据表明,这是一种高效而且适应性强的多人旅行商问题求解方法。     

基于遗传算法的单站无源纯方位定位算法

提出了一种基于遗传算法的单站无源纯方位定位算法.首先对无源声探测系统中的时间延迟问题进行分析并建立目标运动模型,仅利用被动声目标的方位角信息,完成单声传感器对目标的定位.对于单目标情况,结合目标运动模型和目标的方位角信息,运用遗传算法估计出目标的位置;对于多目标情况,首先用多假设可能数据关联完成多目标方位角的关联,再对每一个目标运用遗传算法估计出该目标的位置.最后通过仿真实验验证了算法的正确性和有效性.     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。     

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.     

非基于测距的压缩感知多测量向量目标定位

传统的压缩感知定位方法大多是基于测距的,需要获得目标的精确定位信息,并不适用于资源受限的低损耗无线传感器网络。提出一种非基于测距的压缩感知多测量向量目标定位方法,能够大大降低对网络硬件的要求。该算法一方面根据传感器获得的目标连通性信息,设计了非基于测距的压缩感知定位模型;另一方面采用对定位区域进行动态感知的方法,解决了非基于测距的定位中定位精度不高的问题。该算法能够同时处理多组测量数据,且操作简单,适用性强。仿真证明,该算法具有较好的定位精确性和鲁棒性。