粒子群算法应用研究论文

时间:2022-01-13 09:20:00

导语:粒子群算法应用研究论文一文来源于网友上传,不代表本站观点,若需要原创文章可咨询客服老师,欢迎参考。

粒子群算法应用研究论文

1应用方法

在设计具体的算法之前,我们先介绍粒子算法的基本算法,其算法框架参考资料,了解了粒子群算法算法的算法框架后,进一步要做的就是在软件的黑盒测试中,如何将不同的等价类转变为粒子群算法的候选解,如何设定解的优劣标准,如何设置合适的终止条件。

我们假定一个软件模块的输入参数有5个:A、B、C、D、E,经过合理的等价类划分后,每个参数又有5个不同的等价类:A1~A5,……,E1~E5。我们采用一个广义的粒子群算法候选解概念,一般的粒子群算法往往将候选解形式定为二进制的数据串,比如111010、010001等等,而在不同等价类输入作为候选解时我们将候选解形式定为:A3B1C2D4E5,A2B2C4D1E3等等。这样我们解决了候选解的问题,在解的优劣标准以及终止条件的设定问题上,我们需要借助工具作为标准。软件测试的目的是提高软件的可靠性,终止条件当然是软件达到了测试的目的及要求。而解的优劣标准正好与软件质量相反。文献[2]中结合北大的青鸟黑盒测试环境提出了一种基于测试执行的失效数据模型JBFDM。利用该模型我们可以做到:

(1)提供一致的失效数据建模,收集及管理的可靠性度量过程,从而支持可靠性度量;(2)利用测试及软件现场收集的数据来评价测试计划、操作概图及测试方法的有效性。

软件测试的目的是发现错误,在黑盒测试中,错误表现的形式是软件失效。但是由于软件错误并不是软件失效的充分条件,换句话说,并不是所有错误都会在测试或运行时暴露,所以黑盒测试的目的就是尽可能的通过运行测试用例使软件失效而发现错误。在我们对测试用例的评价时,用以下的数据表示测试用例的优劣:

A=P+B/M+C*F

其中,A表示粒子群算法中的适应度,P表示该测试用例在实际中发生的几率,M表示平均失效时间,F表示失效等级。因为测试是针对使用的,所以发生几率高的测试用例适应度高就不难理解了。而M平均失效时间越长,该测试用例应该不容易发现软件的错误,所以,A越低。F则表示某些特殊情况发生使软件严重失效(比如造成死机、损坏仪器等等),此时该测试用例以及其后代必须被重点关注,所以此时A越大。B、C是相应于各个具体的被测试软件模块而定的系数(在实际应用中,由于软件失效的可能性不是特别大,所以更新结果往往是发生几率高的测试用例后代较多。所以我们应该针对具体被测试软件设计准确的发生概率产生算法。具体算法框架如图1所示。

对于该算法的说明如下:

(1)每一个输入参数往往有一个几率(可以事先定义),可以简单相加来求得该测试用例的概率,但是在输入参数有较强相关性时,此方法并不能准确求得某个测试用例的发生概率,一个解决办法是设置输入参数的相关耦合度,在粒子群算法的随机更新时其同时进行的几率与相关耦合度成正比,即对于相关耦合度高的输入参数,它们同时进行更新的几率高,反之则低。

(2)检验是否满足测试要求时,需要先设置一个计数器。每运行一个新的测试用例,测试计数器加一当发现第一次失效或故障时,计数器加二。若产生的后代又使软件发生失效,则计数器加22。同理递推,当遗传算法产生的测试用例连续n次使软件失效,则计数器加2n。同时,记录所有的测试情况(此工作由外围的测试环境完成,比如北大的青鸟黑盒测试环境)。如果出现严重错误则终止测试,进行对程序的检查。如果连续K代测试用例的后代都运行良好,计数器的值加2K。K的值由具体被测试软件的等价类数量、输入参数个数等决定。当测试计数器的值达到所有黑盒测试用例等价类的数值时,结束测试也必须结束。

(3)每一组测试用例可以生成多个测试用例,根据适应度函数大小决定留下哪些测试用例组成新的测试用例组。

从上面的算法框图和说明可以看出,如果某测试用例使软件的运行发生了问题,它的后代也同样受困于该软件错误,算法很快能发现这些最佳测试用例并给出结果。

2效果

上面的算法,相对于运行所有测试用例,并没有比较明显的优点。尤其对于测试来说,算法并没有加速运行测试用例,好象还降低了运行速度。其实算法本身的确不是用来加速运行测试用例的,其目的是找到一组最佳测试用例。因为实际上对于很多模块运行所有测试用例或哪怕是所有等价类都是几乎不可能的。

综上所述,本文提出了一种利用粒子群算法寻求最佳测试用例的测试方法原理。它能在较短时间内完成软件模块的黑盒测试并给出测试结果和好的测试用例。利用该算法原理,可以在测试集成环境中做一些设置或修改测试集成环境,这样可以大大提高测试工作的效率。

【摘要】本文提出了一种利用粒子群算法帮助测试人员在较短时间内完成软件模块的黑盒测试,并给出测试结果和好的测试用例的方法。

【关键词】粒子群算法测试用例耦合度

参考文献:

[1]张鸿宾,郭建军.遗传算法在曲线多边形近似中的应用.计算机学报,1999.

[2]方菲等.基于测试执行的失效数据建模研究.软件学报,1999,12:1233-1237.

[3]郑人杰.计算机软件测试技术.北京:清华大学出版社,1992.