基于遗传算法的软件测试数据自动生成研究 - 图文-_第1页
基于遗传算法的软件测试数据自动生成研究 - 图文-_第2页
基于遗传算法的软件测试数据自动生成研究 - 图文-_第3页
基于遗传算法的软件测试数据自动生成研究 - 图文-_第4页
基于遗传算法的软件测试数据自动生成研究 - 图文-_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、中山大学硕士学位论文基于遗传算法的软件测试数据自动生成研究姓名:罗银申请学位级别:硕士专业:计算机软件与理论指导教师:郭清顺20090520 失且难以恢复;而当变异概率较大时,尽管群体多样性可以保持在较高水平,但是高阶模式被破坏的概率也随之增大。5.适应值函数性质若适应值函数是高度非线性的,则染色体基因位之间高度相关,有效模式更容易被破坏;或者最优解附近为非常平缓的超平面,高阶竞争模式适应值的差异非常小,在适应值比例选择方式下的模式竞争激烈,将导致当前最佳个体适应值改进出现停滞。遗传算法的早熟退化问题严重影响了其性能,目前对于如何解决该问题的方法主要有两种【18】:第一种是利用静态优化技术获得

2、具有合理选择压力的演化测试配置,以降低由于收敛速度不合理所造成的早熟退化。第二种是一种自适应的动态优化策略DOMP引,该策略的基本思想是,周期性地监视种群进化过程,分析种群中的染色体,当发现种群多样性降低有早熟迹象时,适当提高当前种群的变异概率P用,恢复种群的多样性;当多样性恢复时,适当降低R值,避免遗传算法退化为随机搜索。其中,第一种方法属于静态配置优化范畴,因此适用于进化停滞问题的预防问题,但当出现进化停止现象时,该方法将难以发挥作用;第二种方法进一步提高了演化测试的自适应性,解决了第一种方法难以解决的问题,但这两种方法并不能互相替代,动态技术要更好地发挥作用,还需要通过静态优化技术进行合理地配置。根据以上对于遗传算法早熟收敛原因的论述,本文提出对简单遗传操作算子进行改进的算子自适应的交叉和变异算子、采用精英模型及引入爬山法后的改进混合遗传算法(HGA。自适应的交叉和变异算子根据群体平均适应值及当前群体最优个体适应值来计算个体的交叉和变异概率。同时,将具有贪婪思想的爬山法作为操作算子引入遗传算法,并通过设计爬山阈值,当进化代数大于设置的阈值且未获得最优解时,则对当前群体进行爬山操作,利用爬山法强大的局部搜索能力配合遗传算法的全局寻优能力使得群体往更优的方向进化。1.改进的自

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论