一种改进粒子群算法测试数据自动生成方法.docVIP

一种改进粒子群算法的测试数据自动生成方法 　　摘要：线性递减惯性权重粒子群算法中，有哪些信誉好的足球投注网站后期较小的惯性权重使粒子具有很强的局部有哪些信誉好的足球投注网站能力。但惯性权重太小，容易使所有的粒子聚在一起损失多样性，找到最优解的可能性较低，易产生早熟现象。提出了一种利用方差动态调整惯性权重的方法，引入基于适应度方差的惯性权重调整因子。当出现早熟现象时，通过调整因子适当增大惯性权重的值，以扩大有哪些信誉好的足球投注网站范围，增加找到最优解的可能性。当未出现早熟现象时，继续采用线性递减惯性权重策略，加快收敛速度。实验结果表明，该算法具有较高的有哪些信誉好的足球投注网站成功率 关键词：惯性权重；早熟收敛；LDWPSO 算法；SPSO算法；有哪些信誉好的足球投注网站成功率 DOIDOI：10.11907/rjdk.161971 中图分类号：TP312 文献标识码：A文章编号文章编号2016）009004603 基金项目基金项目： 作者简介作者简介：安新（1990-），女，山东泰安人，山东科技大学计算机科学与工程学院硕士研究生，研究方向为软件项目管理、软件测试；何明祥（1969-），男，安徽合肥人，博士，山东科技大学计算机科学与工程学院副教授、硕士生导师，研究方向为数据库系统、信息处理、人工智能、数字矿山。本文通讯作者为何明祥 0引言 软件测试是发现软件缺陷的过程，贯穿于软件生命周期的各个阶段，是保证软件质量的重要手段。软件测试中大约40%的时间用在测试数据设计阶段[1]。随着软件复杂度和软件规模的增大，测试开销和工作量也相应增加，传统的手工生成测试数据已不能满足要求，测试数据自动生成对提高测试效率、减少测试开销具有重要意义。在对测试数据自动生成方法的研究中，粒子群算法以其设置参数少、简单易实现、收敛快而受到研究者的青睐 Shi等[2]提出线性递减惯性权重策略，使得有哪些信誉好的足球投注网站初期，粒子具有较好的全局有哪些信誉好的足球投注网站能力，有哪些信誉好的足球投注网站后期具有较好的局部有哪些信誉好的足球投注网站能力。但后期过小的惯性权重容易使整个粒子群陷入早熟，找到最优解的可能性较小；田甜等[3]提出一种非线性动态调整惯性权重策略，解决了线性递减权重策略中容易出现的早熟现象 针对粒子群算法中易出现的早熟问题，本文提出一种基于方差的动态调整惯性权重的粒子群优化（FCWPSO）算法。算法思想为：总体上遵循线性递减惯性权重策略，当出现早熟现象时，通过调整因子适当增大惯性权重的值，跳出局部极值，扩大有哪些信誉好的足球投注网站范围，增加找到最优解的可能性 1基本粒子群算法 粒子群优化（Particle Swarm Optimization，PSO）算法由Eberhart 、Kennedy[3]于1995年提出，基本思想是研究和模拟鸟类的觅食行为。每只鸟相当于一个粒子，属于问题的候选解，飞行空间相当于问题的有哪些信誉好的足球投注网站空间，捕食过程相当于寻找最优解的过程[4]。设粒子总数为N，起始状态为所有粒子被随机分配在D维有哪些信誉好的足球投注网站空间中，每个粒子均有一个D维位置向量Xi=（xi1，xi2，…，xiD）和一个D维速度向量Vi=（vi1，vi2，…，viD），每个粒子通过跟踪个体极值Pbesti=（pi1，pi2，…，piD）和全局极值Gbest=（g1，g2，…，gD）来更新自身的位置速度。个体极值是该粒子自身有哪些信誉好的足球投注网站到的历史最优值，全局极值是粒子群体有哪些信誉好的足球投注网站到的最优值。每个粒子通过不断更新自身位置和速度找到最优解。位置和速度更新见式（1）、式（2） Vt+1i=wVti+C1Rand1（）（Pbesti-Xti）+C2Rand2（）（Gbest-Xti）（1） Xt+1i=Xti+Vt+1i（2） 其中：Vti、Xti分别为第t代中第i个粒子的速度和位置；Vt+1i、Xt+1i分别为第t+1代中第i个粒子的速度和位置；w为惯性权重，是保持原速度的系数；C1为粒子追随自身个体极值的权重，即粒子对自身的认识，一般设为2；C2为粒子追随粒子群全局极值的权重，即粒子对群体的认识，一般设为2；Rand1（）、Rand2（）为0到1之间的随机数；Pbesti为第i个粒子的历史最优值；Gbest为群体的最优值 2基于方差的动态调整惯性权重方案 2.1常用粒子群优化算法及存在问题 （1）简化粒子群优化（SPSO）算法。胡旺等[5]指出粒子群的进化过程与速度无关，速度大小可能导致粒子不能沿正确的进化方向运动，最终不能有效地找到最优解。因此，提出了无速度参数的简化粒子群优化（Simple Particle Swarm Optimization，SPSO）算法，如式（3）所示，避免了由速度导致的后期收敛慢、精度低的问题，且简化了粒子进化过程 Xt+1i=wXti+C1Rand1（）（Pbesti-Xti）+C2Rand2（）（Gbest-Xti）（3） （2）线性递减惯性权重粒