改進(jìn)多種群自適應(yīng)蟻群算法生成測試用例方法的研究.pdf

1、目前，隨著科技的進(jìn)步，硬件產(chǎn)品的性能有著質(zhì)的提高，特別是存儲(chǔ)設(shè)備和計(jì)算機(jī)的計(jì)算能力進(jìn)步巨大，使得軟件產(chǎn)品的規(guī)模相應(yīng)變得非常復(fù)雜，如何保障軟件產(chǎn)品的質(zhì)量已成為不容忽視的問題。在軟件開發(fā)的整個(gè)生命周期中，軟件測試是保障軟件質(zhì)量的關(guān)鍵環(huán)節(jié)，其作用顯得越發(fā)的重要。在軟件測試過程中，進(jìn)行測試的難點(diǎn)之一是選擇測試用例，這直接關(guān)系到錯(cuò)誤能否符合預(yù)期的設(shè)計(jì)目標(biāo)，在測試過程中被檢測到。軟件測試技術(shù)至關(guān)重要的技術(shù)之一，是測試用例的生成。現(xiàn)行的手工構(gòu)造測試用

2、例的方法，存在局限性，不僅工作量大、構(gòu)造周期長，并且容易遺漏無法實(shí)現(xiàn)全覆蓋。因此，實(shí)現(xiàn)高效、快速的測試用例自動(dòng)生成，對于軟件開發(fā)的質(zhì)量，削減開發(fā)成本等都有非常重要的實(shí)際意義。對于目前已經(jīng)被提出的一些自動(dòng)生成軟件測試用例的方法，雖然具有一定的實(shí)際應(yīng)用性，但是由于生成測試用例的效率低，對于高速發(fā)展的軟件技術(shù)來說，具有極大的局限性。目前，仍然沒有哪種方法能夠完善的解決這個(gè)問題，只能依賴于具體工程上的實(shí)際經(jīng)驗(yàn)去判斷，這嚴(yán)重的限制了測試技術(shù)的發(fā)展

3、。因此，研究如何解決這些問題，在工程和學(xué)術(shù)上，都具有重要的意義。
　　針對這種情況，本文提出了改進(jìn)蟻群算法用于測試用例生成方法的研究，目的是基于其他學(xué)者現(xiàn)有工作的基礎(chǔ)上進(jìn)行改進(jìn)，以期改善現(xiàn)有方法的局限性，使得測試用例的生成能夠更加高效，主要的工作如下:
　　首先，蟻群算法求解較優(yōu)解的過程，經(jīng)過多次迭代進(jìn)化后，容易出現(xiàn)早熟、停滯，全局搜索能力降低，導(dǎo)致獲得的最優(yōu)解是局部最優(yōu)解。本文提出了一種基于并行多種群自適應(yīng)蟻群算法。該算法

4、將螞蟻種群分成多個(gè)群體，幾個(gè)群體同時(shí)并行搜索，提高搜索路徑的多樣性，使得算法不會(huì)過早出現(xiàn)早熟收斂的現(xiàn)象;并且引入種群的多樣性，使得螞蟻的遷移規(guī)則能夠自適應(yīng)調(diào)整，然后構(gòu)造適應(yīng)度函數(shù)，將適應(yīng)度函數(shù)作為權(quán)重自適應(yīng)的更新信息素濃度。通過實(shí)驗(yàn)驗(yàn)證了該方法的搜索能力相比基本的蟻群算法有一定的優(yōu)勢，并且所需要的收斂代數(shù)要少的多，因此本文算法的改進(jìn)是有效的。
　　隨后，本文通過分析發(fā)現(xiàn)應(yīng)用并行多種群自適應(yīng)蟻群算法生成的測試用例規(guī)模較大，不利于提高

5、測試用例執(zhí)行的效率和節(jié)約成本。于是本文將量子優(yōu)化與多種群自適應(yīng)蟻群算法結(jié)合，提出了量子多種群自適應(yīng)蟻群算法以期能夠優(yōu)化測試用例的生成規(guī)模和效率。在該算法中采用量子比特來表示蟻群中的螞蟻個(gè)體，來維持種群的多樣性，算法通過量子態(tài)矢量，利用量子旋轉(zhuǎn)門和量子非門實(shí)現(xiàn)蟻群個(gè)體的更新。本文通過將本文算法與其他的3種群智能算法進(jìn)行比較，通過對比幾種算法的平均收斂代數(shù)、平均運(yùn)行時(shí)間段等性能指標(biāo)。實(shí)驗(yàn)結(jié)果表明，本文提出的量子多種群自適應(yīng)蟻群算法具有準(zhǔn)確性