基于智能混合策略的测试集优化

• 作者: 王光平 赵守伟 马飒飒
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 粒子各算法(PSD) 蚁群算法(ACO) 混合优化策略 测试集优化 测试向量
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 测试技术与理论研究
• 页码范围: 307-312
• 页数: 6页
• 分类号: TN919
• 字数: 4822字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2007.04.005

摘要

利用基于粒子群和蚁群算法的智能混合优化策略,删除冗余测试向量以解决测试集的优化问题. 利用蚁群算法的并行搜索能力构造初始解集,通过粒子群优化算法将解集维数降低,确定每次迭代的个体最优解和全局最优解,并利用新粒子信息更新信息素,最终通过多次迭代找到一个或多个最优测试集. 通过多组数据实例分析可知: 该智能混合优化策略与蚁群算法等其他测试集优化算法相比,可得到多个可行性最优测试集;与蚁群算法相比可提高收敛速度,并降低蚁群算法参数选取对收敛结果的影响,从而避免次优解的出现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马飒飒	军械工程学院军械技术研究所	22	204	8.0	13.0
2	赵守伟		7	40	4.0	6.0
3	王光平		3	73	2.0	3.0