基于遗传算法的UML活动图测试用例优化研究

测试用例的选择在软件测试中十分重要,良好的测试用例可以减少时间和资源的使用,因此提出了一种基于遗传算法的UML活动图自动生成测试用例的算法。通过建立UML活动图模型,将活动图转换为有向图,然后采用深度优先搜索方法获得测试路径,应用遗传算法优化得到测试路径。该算法可以提供优先需要测试的路径,用于自动生成高质量的测试用例,提高测试任务的工作效率。     

基于组合混沌遗传算法的最小测试用例集生成

最小测试用例集生成是软件测试的重要研究领域之一.将具有均匀分布特性的Chebyshev和Logistic混沌映射相结合的混沌序列引入遗传算法的选择、交叉和变异操作,并在遗传测试用例选择方法中添加混沌扰动,实现全局最优,以解决遗传算法用于测试用例集约简时局部搜索能力弱、易早熟收敛等问题.在随机生成的测试用例需求对应关系及Siemens测试套件等实例上进行了实验研究,并与现有的经典方法在测试用例集生成规模和算法执行时间上进行了比较,实验结果表明,在保持算法执行时间的基础上,在遗传测试用例方法中引入混沌映射有助于生成规模更小的测试用例集.     

基于遗传算法的软件测试用例自动生成研究

测试用例由测试输入数据以及与之对应的输出结果组成,测试用例设计的好坏直接决定了测试的效果和结果,所以说在软件测试活动中最关键的步骤就是设计有效的测试用例。文章阐述了一种寻优搜索算法来自动生成软件测试用例数据,即遗传算法,利用遗传算法原理的模型图结合测试用例设计需求,介绍了遗传算法自动生成测试用例数据的思想和步骤,并在此基础上研究了基于遗传算法在测试用例自动生成上的技术。利用此方法产生的测试用例数据可以产生较好的测试结果。     

基于蚂蚁算法和遗传算法的时序电路测试生成

为提高时序电路的测试生成效率,该文提出一种新的基于蚂蚁算法和遗传算法的时序电路测试矢量生成算法.针对国际标准时序电路的实验结果表明,该交叉算法既充分发挥了两种算法的优点,又克服了各自的缺点,与其它同类测试生成算法相比,获得了较好的故障覆盖率和测试集.说明采用蚂蚁算法和遗传算法的交叉算法是成功的.     

基于遗传算法的测试用例自动生成方法研究

软件测试是保证软件质量的一种有效手段,然而业内目前仍以人工测试为主。为了提高软件测试的自动化程度和测试效率,文章主要对软件测试用例的自动生成方法进行研究。在文章中以遗传算法为基本原理,论述了改进的"双种群自适应遗传算法"。该算法对发现种群的选择策略进行了优化,使软件测试过程趋于自动化,以缩短软件的开发周期。     

基于改进遗传算法的测试用例生成

在软件测试中,测试用例生成是软件测试中的关键技术问题,对于软件测试的自动化有着重要影响。为了提高测试用例生成的效率,文中提出了一种用于测试用例生成的改进算法。该算法引入了自适应算子和禁忌搜索思想,将自适应遗传算法和禁忌搜索有机结合,充分发挥遗传算法的全局搜索和禁忌搜索算法局部搜索优势,提高了测试数据的生成能力。实验结果表明,该算法在测试数据自动生成的效率和有效性方面,均优于自适应遗传算法。     

基于遗传算法的IMX系统测试数据自动生成研究

利用遗传算法进行测试数据自动生成是近年来的研究热点,其有效性高度依赖于适应度函数的选取和初始种群的筛选。该文探索将遗传算法应用到IMX(Integrated Management X-software)系统测试数据自动生成以提高其回归测试的质量,将IMX系统专业测试人员手动生成的测试数据作为基础测试数据,并提出一种基于测试路径对目标路径覆盖率的初始种群筛选标准。在三角形程序和IMX系统平台上的实验表明,所提方法在寻找测试数据时所用的时间和迭代次数较少,且生成的测试数据具有较好的多样性。     

智能优化算法自动生成软件测试数据的方法探析

软件测试是保证软件质量的有效手段,智能演化算法用于解决软件测试中路径覆盖测试数据的生成问题。本文简要说明了软件测试的类型,分析其中白盒测试的路径覆盖问题、程序插装以及将软件测试数据生成问题转化为优化问题的思想;在随后的智能优化算法部分,介绍了二种智能优化算法,并以其中的遗传算法为例,详细给出了使用遗传算法生成测试数据的步骤,进而说明智能演化算法自动生成测试数据的思想和方法。     

嵌入式软件功能路径测试用例自动生成研究

根据嵌入式软件的结构特点尝试了一种适合于嵌入式软件测试实际的功能路径测试方法.通过分析功能路径上的结点谓词和功能约束条件,用一种简洁、快速的算法建立和求解输入变量的约束系统,生成功能路径测试用例.实践证明,该测试用例可同时测试嵌入式软件的功能和结构,测试效率高、生成代价低且测试较为全面,能有效降低嵌入式软件开发、测试和维护的成本.     

基于遗传算法的路径测试用例的自动生成探讨

在软件开发中进行软件测试是为了保证软件质量和可靠性。软件测试中测试数据合理设计很关键。如何优化测试数据,自动生成测试数据是人们一直研究的问题,本文针对测试用例的自动化生成进行了深入的研究,在分析遗传算法的基础上,设计了一个基于遗传算法的测试用例自动生成系统,仿真实践表明,本文设计的系统能够准确地自动生成满足指定路径的测试用例。具有很好的适应性,对程序路径是否被覆盖能智能判断,对不能完全覆盖的程序路径将给出最优解。     

遗传算法在雷达低仰角跟踪中的应用

主要研究雷达低仰角跟踪中遗传算法的应用。文章首先简要介绍遗传算法的基本原理,接着讨论遗传算法如何用于雷达低仰角跟踪,对算法中的比例函数及复制方法的选取提出新的改进意见,并做了大量的计算机仿真。文章最后给出具体的工程实施意见。     

基于遗传算法的自动组卷策略

自动组卷是一个多约束条件的最优求解问题,传统组卷算法存在速度慢、成功率低、组卷质量不高等不足,已不符合现行要求。为此,文中采用整段交叉,段内变异的方法,通过确定适应度函数和遗传算子探索了遗传算法在自动组卷中的应用,在一定程度上克服了已有算法的不足,并用算例验证了其有效性及适用性。     

一种基于改进的遗传算法的块匹配运动估计方法

块匹配方法(Block Matching Algorithm,简称BMA)是目前广泛使用的运动估计方法,但该方法的最大缺点是容易陷于局部最优,这主要是由搜索模式决定的。而遗传算法(Genetic Algorithm,简称GA)是一种具有广泛适应性的全局最优的搜索算法。将块匹配方法的局域性搜索与遗传算法的全局性搜索结合起来,本文提出了一种基于改进的遗传算法的块匹配运动估计方法。实验证明,该方法的平均绝对误差(MAE)接近全搜索(FSS),优于三步法(TSS),而运算量相对较低,接近三步法。     

混合遗传算法在数值函数优化中的应用

基于遗传算法(GA)与共轭梯度法(CGM),提出了一种混合算法,把CGM作为重要操作算子加入GA中,CGM仅作用于父代的最优个体,使该方法兼具遗传算法的优良全局搜索能力和共轭梯度法的强大局部搜索的特点,将其用于函数优化中,数值算例表明,该混合方法与单纯的遗传算法或共轭梯度法相比,具有快速收敛性和全局最优性。     

正交遗传算法

本文提出正交遗传算法.该算法把正交设计与遗传算法结合起来,用正交设计确定区间水平,在每个区间水平按遗传算法进行搜索,正交设计能够发现包含最好解的区间水平,再在这个区间水平使用遗传算法进行搜索.反复使用上述算法,当前区间水平变小.最后,当前区间水平变为一点了,它就是这些区间水平的最优点.借助正交设计,本文证明了正交遗传算法是收敛的和进行了计算机模拟.模拟结果显示该算法是有效的和可行的.     

一种结合遗传算法和HFSS 的天线仿真与优化方法

电磁仿真技术在现代天线设计中发挥着重要作用。讨论了一种结合遗传算法和全波电磁仿真软件HFSS 的天线优化设计方法。采用遗传算法进行天线设计,能够直接设计一种新结构天线,并易于对天线的结构进行调整。在介绍了遗传算法基本原理的基础上,阐述了遗传算法在天线仿真和优化设计中的具体应用问题。通过VBS脚本将遗传算法与Ansoft HFSS 连接起来,对一种电磁耦合馈电的双极化毫米波微带天线进行了优化设计,展宽了该天线的阻抗带宽,天线指标满足设计要求,表明了采用遗传算法进行天线仿真的可行性。     

基于否定选择遗传算法的路径覆盖测试数据生成

路径覆盖是软件测试领域重要的测试方法之一.在搜索空间中,找到一组测试数据满足路径覆盖是一个具有挑战性的问题.因此,自动生成测试数据是软件测试的关键问题.文中提出一种基于否定选择遗传算法的路径覆盖测试数据生成方法,将否定选择策略融入遗传算法,动态优化遗传算法的种群数据,自动生成覆盖目标路径的测试数据.多个基准程序和工业程序的实验结果表明,与随机方法和遗传算法比较,文中方法能够提高路径覆盖率,减少冗余测试数据的生成.     

遗传算法在图像重建中的应用

针对从不完全投影重建图像的问题,根据图像连续性的假设,建立优化模型用遗传算法求解。针对遗传算法的早熟现象提出了多样性原则,分析了选择算子、交叉算子,以及变异算子对多样性的影响,构建了自适应遗传算法,并进行了仿真试验,试验结果比较满意。     

一种基于模因演算法的频率分配新策略

分析了模因演算法的原理以及与遗传算法之间的关系。基于遗传算法在求解频率分配 问题时的有效性,指出了使用模因演算法解决同类问题的可行性。针对一个实际的频率分配 问题提出并设计了一种新颖的基于正整数序列编码方式的模因演求解算法。实验结果表明, 新算法能够在有效时间内找到满足电磁兼容特性的频率分配方案。     

量子遗传算法在多输出Reed-Muller逻辑电路最佳极性搜索中的应用

量子遗传算法是一种融合量子计算和遗传算法优点的智能算法,常用于求解组合优化问题.本文给出多输出RM(Reed Muller)逻辑电路最佳极性搜索方案,将量子遗传算法应用到多输出固定极性RM电路逻辑优化中.针对量子遗传算法易陷入局部极值的缺陷,结合群体灾变思想,提出一种基于量子遗传算法的多输出RM逻辑电路最佳极性搜索算法.最后对多个大规模PLA格式基准电路测试表明：该算法与基于遗传算法的最佳极性搜索相比,在优化能力、寻优性能和收敛速度等方面都有不同程度的提高.