基于PSO的路徑測試數(shù)據(jù)自動生成方法研究與實現(xiàn).pdf

1、粒子群優(yōu)化算法（Particle Swarm Optimization，簡稱PSO）具有實現(xiàn)簡單、收斂速度快、通用性強等優(yōu)點，能夠快速的為路徑測試生成測試數(shù)據(jù)，對提高軟件測試效率，降低軟件開發(fā)成本有很重要的意義。但是該算法也存在局部搜索能力不強，容易陷入早熟以及浪費資源等缺點。本文對PSO算法在路徑測試數(shù)據(jù)自動生成中的運用進(jìn)行研究，并針對其存在的缺點進(jìn)行改進(jìn)，主要的研究內(nèi)容如下：
　　（1）對運用PSO算法進(jìn)行測試數(shù)據(jù)生成的方法進(jìn)

2、行了研究，討論了在其運用中的兩個關(guān)鍵問題：適應(yīng)度函數(shù)的構(gòu)造以及算法參數(shù)的設(shè)置。
　?。?）對測試數(shù)據(jù)的運動軌跡進(jìn)行研究，分析出測試數(shù)據(jù)在搜索空間運動模式的差異性，結(jié)合K-means聚類算法對PSO算法中的粒子進(jìn)行聚類。
　　（3）提出了基于自適應(yīng)策略的改進(jìn)算法AIC-PSO算法。自適應(yīng)策略中采用集群指標(biāo)CI表示PSO算法中粒子群分簇后每個簇的密集度，并依此作為權(quán)重因子W的調(diào)整依據(jù)。將該算法與現(xiàn)有的針對PSO算法的改進(jìn)算法進(jìn)行

3、對比實驗，實驗表明：該算法不但能夠提高算法的測試數(shù)據(jù)生成效率而且能夠增加PSO算法中粒子的多樣性，有效的防止算法早熟。
　?。?）提出了給予簡約策略的改進(jìn)算法SP-PSO算法。該算法采用在K-means聚類算法的基礎(chǔ)上改進(jìn)的二次聚類算法對PSO算法進(jìn)行分簇，集群指標(biāo)CI表示簇中粒子的密集度，CI作為是否使用簡約的依據(jù)。將該算法與其他的PSO改進(jìn)算法進(jìn)行對比實驗，實驗結(jié)果表明：該算法能夠降低算法對計算機資源的消耗，而且具有更高的測試