基于改進(jìn)花朵授粉算法的測(cè)試數(shù)據(jù)自動(dòng)生成研究

1、分類號(hào)： 密 級(jí)：U D C： 學(xué) 號(hào)：碩 士 學(xué) 位 論 文年 月 日基于改進(jìn)花朵授粉算法的測(cè)試數(shù)據(jù)自動(dòng)生成研究 基于改進(jìn)花朵授粉算法的測(cè)試數(shù)據(jù)自動(dòng)生成研究Research on Automatic Generation of Test Data Based onImproved Flower Pollination Algorithm學(xué) 位 類 別： 工 程 碩 士作 者 姓 名： 譚 星 成學(xué) 科、專 業(yè)： 計(jì) 算 機(jī) 技 術(shù)指

2、導(dǎo) 教 師： 董 躍 華研 究 方 向： 軟 件 測(cè) 試江西理工大學(xué)碩士學(xué)位論文 摘要摘 要測(cè)試數(shù)據(jù)作為軟件測(cè)試中的核心因素，其生成效率高低直接影響著軟件測(cè)試的效果，本文主要對(duì)測(cè)試數(shù)據(jù)的自動(dòng)生成方法進(jìn)行研究。花朵授粉算法作為一種具有良好尋優(yōu)能力的新型智能算法，因其參數(shù)簡(jiǎn)單、容易實(shí)現(xiàn)，已被成功應(yīng)用于各種多目標(biāo)優(yōu)化問題中，本文研究將此算法應(yīng)用于測(cè)試數(shù)據(jù)自動(dòng)生成領(lǐng)域，首先針對(duì)其缺陷提出一系列改進(jìn)措施，再通過大量實(shí)驗(yàn)驗(yàn)證改進(jìn)后的算法在測(cè)試數(shù)據(jù)自

3、動(dòng)生成中的優(yōu)越性。本文工作內(nèi)容與創(chuàng)新點(diǎn)主要包括以下幾個(gè)方面：(1) 針對(duì)基本花朵授粉算法搜索速度較慢、尋優(yōu)精度不高和在中后期容易陷入局部極值的缺陷，從對(duì)算法參數(shù)進(jìn)行調(diào)整和引入其他智能算法進(jìn)行混合兩大方向?qū)净ǘ涫诜鬯惴右愿倪M(jìn)，提出一種自適應(yīng)混合花朵授粉算法，首先引入粒子群算法，利用粒子群算法在搜索初期階段收斂精度高與速度快的優(yōu)勢(shì)獲得一組質(zhì)量較優(yōu)的解作為花朵授粉算法的初始解來繼續(xù)實(shí)施迭代尋優(yōu)操作；其次，提出一個(gè)警衛(wèi)函數(shù)來對(duì)反映種群的離

4、散程度；最后采取一種自適應(yīng)機(jī)制對(duì)解更新，自適應(yīng)機(jī)制包括自適應(yīng)柯西變異與自適應(yīng)步長(zhǎng)因子兩部分，根據(jù)當(dāng)前種群的離散程度大小以及解的位置狀態(tài)自適應(yīng)地進(jìn)行尋優(yōu)搜索，從而提高尋優(yōu)能力。(2) 對(duì)基本花朵授粉算法應(yīng)用于測(cè)試數(shù)據(jù)生成上的理論依據(jù)進(jìn)行分析，在此基礎(chǔ)上研究如何將本文提出的自適應(yīng)混合花朵授粉算法應(yīng)用于測(cè)試數(shù)據(jù)的自動(dòng)生成中，建立基于自適應(yīng)混合花朵授粉算法的測(cè)試數(shù)據(jù)生成模型，同時(shí)提出了一種改進(jìn)的適應(yīng)度函數(shù)構(gòu)造方法，通過分支被覆蓋的難易程度不同來

5、對(duì)每條分支分配相對(duì)應(yīng)的權(quán)重參數(shù)值，以更準(zhǔn)確地反映分支的覆蓋情況，從而進(jìn)一步提高測(cè)試數(shù)據(jù)的生成效率。(3) 最后對(duì)本文提出的自適應(yīng)混合花朵授粉算法在測(cè)試數(shù)據(jù)自動(dòng)生成中的可行性與效率性進(jìn)行驗(yàn)證，選取 4 種復(fù)雜程度不同的典型測(cè)試程序，借助 MATLAB 平臺(tái)對(duì)其實(shí)現(xiàn)測(cè)試數(shù)據(jù)自動(dòng)生成，同已經(jīng)應(yīng)用于測(cè)試數(shù)據(jù)自動(dòng)生成領(lǐng)域的另外兩種智能算法相比較，從平均耗費(fèi)時(shí)間、平均迭代次數(shù)和平均分支覆蓋比例 3 項(xiàng)數(shù)據(jù)指標(biāo)進(jìn)行對(duì)比分析。關(guān)鍵詞 關(guān)鍵詞：軟件測(cè)試；