-
题名SAGA在软件测试数据自动生成中的应用
被引量：1
- 1
-
-
作者
张文栓
滕奇志
罗代升
-
机构
四川大学电子信息学院
-
出处
《信息与电子工程》
2005年第1期40-43,共4页
-
文摘
总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。
-
关键词
计算机软件
动态数据生成
模拟退火遗传算法
模拟退火算法
遗传算法
软件测试
-
Keywords
computer software： software test data generation： saga： simulated annealing
genetic algorithms
software test
-
分类号
TP311.52
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于模拟退火遗传算法的软件测试数据自动生成
被引量：28
- 2
-
-
作者
傅博
-
机构
北京航空航天大学工程系统工程系
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第12期82-84,共3页
-
文摘
提出了一种应用于软件测试中的基于模拟退火遗传算法的测试数据自动生成算法。该算法针对测试数据自动生成的特点将遗传算法和模拟退火有机结合,充分发挥遗传算法的全局搜索和模拟退火的局部搜索优势,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效果方面,优于遗传算法。
-
关键词
软件测试
模拟退火
遗传算法
测试数据
-
Keywords
software test,simulated annealing,genetic algorithms,test data
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名模拟退火多亲遗传数据生成算法研究
被引量：3
- 3
-
-
作者
郭巍
桂小林
-
机构
西安交通大学电信学院
西安卫星测控中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第11期67-69,72,共4页
-
文摘
针对航天测控实时数据驱动软件测试数据结构复杂、构造困难的特点,提出基于模拟退火多亲遗传算法的测试数据自动生成算法,给出算法中适应度函数选择方法和变异函数退火控制策略,分析算法实际应用结果。实测数据证明采用该算法构造测试用例测试发现的软件缺陷多于普通数据生成算法近30%。
-
关键词
航天实时数据驱动软件
软件功能测试
多亲遗传算法
模拟退火
-
Keywords
space-flight real-time data-driven software
software function test
Multi-parent Genetic Algorithm（MGA）
simulated annealing（SA）
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进遗传算法的软件测试自动化机制研究
被引量：8
- 4
-
-
作者
姬峰
-
机构
河南省科学技术信息研究院
-
出处
《信息技术》
2019年第10期88-93,共6页
-
文摘
文中针对传统遗传算法处理高维测试用例时存在的稳定性较差、处理非线性约束失效、计算量大、早熟收敛、收敛速度随时间呈迟滞变化等固有弊端,提出了一种改进遗传算法,通过引入优化过的自适应交叉算子和变异算子并融入模拟退火机制,较好解决了优化过程中易陷于局部最优、搜索初值依赖性问题。利用Eclipse平台开发了验证环境并对算法进行了仿真验证,验证结果表明文中所提算法可以在较短的时间内有效匹配目标测试用例,在稳定性、实时性、全局最优、并行搜索效率等方面具有明显优势。
-
关键词
软件测试
改进遗传算法
模拟退火机制
数据自动生成
全局最优
-
Keywords
software testing
improved genetic algorithm
simulated annealing mechanism
automatic data generation
global optimization
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于SA的改进遗传算法的测试数据生成研究
被引量：1
- 5
-
-
作者
石利平
-
机构
广东女子职业技术学院
-
出处
《测控技术》
CSCD
北大核心
2013年第7期114-117,共4页
-
文摘
测试数据的自动生成研究是软件测试的一个焦点问题,测试数据的自动生成可以提高测试工作效率,节约测试成本。考虑遗传算法(GA)和模拟退火算法(SA)各自优缺点,提出遗传/模拟退火(GASA)混合算法的策略,在标准的GA中融入SA,在GA的局部搜索中引入SA,SA的随机状态受限于遗传优化算法的结果,GA的种群更新是由SA的退温算法和随机状态产生函数来控制,从而得到最优解。GASA算法取长补短,提高了算法的全局和局部搜索能力,能避免GA过早收敛,提高了算法搜索最优解的能力。实验结果表明,GASA算法寻找最优解所需的迭代次数明显优于标准GA。
-
关键词
测试数据
软件测试
遗传算法
模拟退火算法
适应度函数
-
Keywords
test data
software testing
genetic algorithm（GA）
simulated annealing（SA）
fitness function
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
