基于遺傳算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究 - 圖文-

1、中山大學(xué)碩士學(xué)位論文基于遺傳算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究姓名:羅銀申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)軟件與理論指導(dǎo)教師:郭清順20090520 失且難以恢復(fù);而當(dāng)變異概率較大時(shí),盡管群體多樣性可以保持在較高水平,但是高階模式被破壞的概率也隨之增大。5.適應(yīng)值函數(shù)性質(zhì)若適應(yīng)值函數(shù)是高度非線性的,則染色體基因位之間高度相關(guān),有效模式更容易被破壞;或者最優(yōu)解附近為非常平緩的超平面,高階競(jìng)爭(zhēng)模式適應(yīng)值的差異非常小,在適應(yīng)值比例選擇方式下的模式競(jìng)爭(zhēng)激烈,將導(dǎo)致當(dāng)前最佳個(gè)體適應(yīng)值改進(jìn)出現(xiàn)停滯。遺傳算法的早熟退化問(wèn)題嚴(yán)重影響了其性能,目前對(duì)于如何解決該問(wèn)題的方法主要有兩種【18】:第一種是利用靜態(tài)優(yōu)化技術(shù)獲得

2、具有合理選擇壓力的演化測(cè)試配置,以降低由于收斂速度不合理所造成的早熟退化。第二種是一種自適應(yīng)的動(dòng)態(tài)優(yōu)化策略DOMP引,該策略的基本思想是,周期性地監(jiān)視種群進(jìn)化過(guò)程,分析種群中的染色體,當(dāng)發(fā)現(xiàn)種群多樣性降低有早熟跡象時(shí),適當(dāng)提高當(dāng)前種群的變異概率P用,恢復(fù)種群的多樣性;當(dāng)多樣性恢復(fù)時(shí),適當(dāng)降低R值,避免遺傳算法退化為隨機(jī)搜索。其中,第一種方法屬于靜態(tài)配置優(yōu)化范疇,因此適用于進(jìn)化停滯問(wèn)題的預(yù)防問(wèn)題,但當(dāng)出現(xiàn)進(jìn)化停止現(xiàn)象時(shí),該方法將難以發(fā)揮作用;第二種方法進(jìn)一步提高了演化測(cè)試的自適應(yīng)性,解決了第一種方法難以解決的問(wèn)題,但這兩種方法并不能互相替代,動(dòng)態(tài)技術(shù)要更好地發(fā)揮作用,還需要通過(guò)靜態(tài)優(yōu)化技術(shù)進(jìn)行合理地配置。4.4.2改進(jìn)的ItGA算法思想根據(jù)以上對(duì)于遺傳算法早熟收斂原因的論述,本文提出對(duì)簡(jiǎn)單遺傳操作算子進(jìn)行改進(jìn)的算子自適應(yīng)的交叉和變異算子、采用精英模型及引入爬山法后的改進(jìn)混合遺傳算法(HGA。自適應(yīng)的交叉和變異算子根據(jù)群體平均適應(yīng)值及當(dāng)前群體最優(yōu)個(gè)體適應(yīng)值來(lái)計(jì)算個(gè)體的交叉和變異概率。同時(shí),將具有貪婪思想的爬山法作為操作算子引入遺傳算法,并通過(guò)設(shè)計(jì)爬山閾值,當(dāng)進(jìn)化代數(shù)大于設(shè)置的閾值且未獲得最優(yōu)解時(shí),則對(duì)當(dāng)前群體進(jìn)行爬山操作,利用爬山法強(qiáng)大的局部搜索能力配合遺傳算法的全局尋優(yōu)能力使得群體往更優(yōu)的方向進(jìn)化。1.改進(jìn)的自