基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
蚁群智能模型检测算法借鉴了自然界中蚂蚁通过信息素相互沟通,从而完成觅食、搬迁等需要协作的复杂社会活动的原理.通过分布在程序控制流图和状态图上的代理,即人工蚂蚁的回溯来跟踪寻找模型中的正确路径和错误路径,人工蚂蚁在控制流图上移动时,分别在正确路径和错误路径上释放两种不同的信息素,通过对两种信息素的对比,可自动定位出程序中引发特定错误的原因.由于人工蚂蚁之间相互独立、并行工作,因此算法能够同时、并行地跟踪多条正确路径和错误路径,也可同时定位出引发多个不同错误的不同原因.通过对中小规模程序的检测,结果表明,该算法是有效的.
推荐文章
一种Hough变换与蚁群优化的云图像边缘检测算法
Hough变换
云计算
边缘提取
蚁群优化
边缘信息
像素梯度
统计均值
基于增强蚁群优化的海量规模MIMO系统快速检测算法
多输入多输出
蚁群优化算法
粒子群优化算法
路径寻找问题
误码率
智能蚂蚁算法--蚁群算法的改进
智能蚂蚁算法
蚁群算法
旅行商问题(TSP)
外激素
基于蚁群优化的多目标社区检测算法
复杂网络
社区检测
蚁群优化算法
多目标优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 蚁群智能模型检测算法
来源期刊 计算机工程与科学 学科 工学
关键词 模型检测 自动软件测试 蚁群智能 信息素
年,卷(期) 2010,(12) 所属期刊栏目
研究方向 页码范围 76-79
页数 分类号 TP311
字数 3297字 语种 中文
DOI 10.3969/j.issn.1007-130X.2010.12.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 汪渊 国防科学技术大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
模型检测
自动软件测试
蚁群智能
信息素
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导