亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Tent混沌的測試用例優(yōu)先級排序

        2019-06-27 10:52:26滕賽娜彪2包曉安
        計(jì)算機(jī)測量與控制 2019年6期
        關(guān)鍵詞:排序程序優(yōu)化

        張 娜,滕賽娜,吳 彪2,包曉安

        (1.浙江理工大學(xué) 信息學(xué)院, 杭州 310018; 2.山口大學(xué) 東亞研究科,日本 山口 753-8514)

        0 引言

        回歸測試是指對修改后的代碼進(jìn)行重復(fù)測試,確認(rèn)未產(chǎn)生新的缺陷。在軟件開發(fā)過程中,頻繁使用回歸測試可以確保軟件的質(zhì)量,所以降低回歸測試的成本是重中之重,而生成后的測試用例集進(jìn)行排序或優(yōu)化[1]是一種非常有效的方法。近年來,智能搜索算法也開始被應(yīng)用于解決測試用例排序問題,如粒子群算法[2]、蜂群算法等。

        目前,在已有的研究中,Yu等人[3]將軟件轉(zhuǎn)換為類級有向網(wǎng)絡(luò)模型,通過杠鈴模型的風(fēng)險(xiǎn)值作為排序依據(jù),從而提高錯(cuò)誤檢出率。Zhang等人[4]通過關(guān)注三個(gè)影響因子(需求覆蓋率、測試用例失效率、測試用例重要度),動態(tài)調(diào)整測試同理優(yōu)先級。Chang等人[5]基于歷史信息和動態(tài)調(diào)整策略,改進(jìn)測試用例優(yōu)先級技術(shù)以盡早地發(fā)現(xiàn)缺陷。Meng等人[6]將混沌融入粒子群中,當(dāng)最優(yōu)粒子與普通粒子的距離小于某值時(shí),進(jìn)行混沌搜索。Zhang等人[7]將OTT策略和粒子群相結(jié)合,在測試用例重要度和失效率上具有一定優(yōu)勢。Zhu[8]在測試用例優(yōu)先級排序中引入了缺陷影響因素,通過實(shí)驗(yàn)證明其可以有效保證軟件產(chǎn)品的質(zhì)量。Xu等人[9]提出粒子可以通過在混沌與穩(wěn)定之間的交替運(yùn)動,從而得到最優(yōu)解,以跳出局部最優(yōu)。Wang等人[10]通過定義失效覆蓋等價(jià)劃分優(yōu)化選擇準(zhǔn)則來提高錯(cuò)誤定位的有效性,不同的測試同理賦予不同優(yōu)先級。Zheng等人[11]根據(jù)函數(shù)調(diào)用關(guān)系圖進(jìn)行關(guān)聯(lián)性分析并對測試用例排序,大大減少了回歸測試的成本。

        結(jié)合上述研究,本文對PSO進(jìn)行改進(jìn),結(jié)合了混沌算法的思想,提出了基于Tent混沌的粒子群優(yōu)化算法(Tent-Chaos Particle Swarm Optimization,TCPSO)。對Tent映射引入?yún)?shù),防止粒子落入小周期內(nèi),并引入帶有權(quán)重函數(shù)的學(xué)習(xí)因子,兩者相結(jié)合進(jìn)行非線性遞減變化,平衡TCPSO算法全局與局部能力,其次,對陷入局部最優(yōu)的粒子及部分最差粒子進(jìn)行混沌搜索優(yōu)化,保證種群多樣性,同時(shí)跳出局部最優(yōu),最后,以測試用例缺陷檢測率作為排序的評判標(biāo)準(zhǔn)進(jìn)行實(shí)驗(yàn),并驗(yàn)證算法具有較好的尋優(yōu)能力。

        1 粒子群算法優(yōu)化

        1.1 初始化優(yōu)化

        在標(biāo)準(zhǔn)粒子群的初始化中,解的質(zhì)量對最終結(jié)果有著重要影響,種群的速度和位置信息一般隨機(jī)產(chǎn)生,它可以使得初始種群均勻分布,由于部分粒子可能會遠(yuǎn)離最優(yōu)解,所以粒子的質(zhì)量不能完全保證,從而影響算法收斂速度和最終結(jié)果。

        利用混沌序列本身具有的規(guī)律性,隨機(jī)性及遍歷性三大特性對粒子進(jìn)行初始化優(yōu)化,既能保持種群多樣性,同時(shí)利于跳出局部最優(yōu),改善PSO算法的全局搜索能力。映射算法一般有四種,被引用最多的為Logistic和Tent[12]兩種,Dan等人[13]指出在[0,1]區(qū)間內(nèi),Tent映射產(chǎn)生的混沌序列與Logistic映射產(chǎn)生的混沌序列相比分布更均勻,所以本文在種群初始化中引入Tent混沌映射算法,并對Tent方程進(jìn)行改進(jìn),以提高初始解質(zhì)量。

        改進(jìn)后Tent映射的迭代公式如下:

        (1)

        其中:xk為粒子的位置信息,K為粒子的迭代次數(shù),α,β為調(diào)度參數(shù),取值范圍[-0.1,0.1],其作用是避免粒子落入小周期內(nèi)。

        Tent映射經(jīng)貝努利移位變換后的公式如下所示:

        xk+1=2(xk)mod

        (2)

        1.2 位置和速度更新

        (3)

        (4)

        將學(xué)習(xí)因子與慣性權(quán)重相結(jié)合,兩者進(jìn)行相關(guān)聯(lián)的非線性遞減變化,公式如下所示:

        (5)

        其中:A,B,C為常系數(shù)。

        同時(shí)慣性權(quán)重ω采用常用的指數(shù)函數(shù)遞減法,用以匹配算法過程中的非線性變化特點(diǎn):

        ω=ωmin+(ωmax-ωmin)×exp[-20(t/T)6]

        (6)

        在本文提出的TCPSO中,隨著每一維位置與速度信息的更新,均計(jì)算個(gè)體歷史最優(yōu)pid和種群全局最優(yōu)pgd,而非所有維度的位置和速度信息更新完畢后,再計(jì)算pid和pgd。

        1.3 混沌優(yōu)化算法

        混沌運(yùn)動有三大特點(diǎn):1)隨機(jī)性,混沌類似于隨機(jī),因而具有隨機(jī)性;2)遍歷性,在一定范圍之內(nèi),混沌能夠使粒子不重復(fù)經(jīng)歷任何一種狀態(tài);3)規(guī)律性,雖然混沌類似于隨機(jī),但是混沌本身也有一定的規(guī)律。因此,通過混沌運(yùn)動,種群在跳出局部最優(yōu)的同時(shí)也能尋找全局最優(yōu)。

        當(dāng)粒子經(jīng)過幾次迭代后,少數(shù)優(yōu)秀粒子被保存下來,此時(shí),粒子容易陷入局部最優(yōu),所以為了跳出局部最優(yōu),保證種群多樣性,本文引入了混沌搜索進(jìn)行優(yōu)化。首先分別以當(dāng)前粒子的最優(yōu)解pid和最差的百分之20的粒子piw為基礎(chǔ),進(jìn)行混沌搜索,產(chǎn)生與之對應(yīng)的混沌序列,然后,以pid為基礎(chǔ)產(chǎn)生的混沌序列中的最優(yōu)解代替原粒子的最優(yōu)解pid,以piw為基礎(chǔ)產(chǎn)生的混沌序列中的粒子代替原粒子中最差的百分之20。

        最優(yōu)解取代的具體步驟如下所示:

        步驟1:利用以下公式將最優(yōu)解pid的變量取值范圍[a,b]映射到混沌算法的區(qū)間[0,1]

        (7)

        步驟3:將m個(gè)混沌變量通過逆轉(zhuǎn)換,從區(qū)間[0,1]映射到粒子群算法的取值區(qū)間[a,b]

        公式如下所示:

        (8)

        步驟4:將混沌序列中的最優(yōu)解取代原粒子群算法得到最優(yōu)解pid。

        最差的百分之20的粒子piw的具體步驟如下所示:

        步驟1:利用以下公式將最差的百分之20的粒子piw的變量取值范圍[a,b]映射到混沌算法的區(qū)間[0,1]。

        (9)

        步驟3:將k個(gè)混沌變量通過逆轉(zhuǎn)換,從區(qū)間[0,1]映射到粒子群算法的取值區(qū)間[a,b],公式如下所示:

        (10)

        步驟4:將混沌序列中的粒子取代原粒子群算法得到的最差的百分之20的粒子piw。

        2 基于混沌的測試用例優(yōu)先級排序

        2.1 實(shí)數(shù)編碼

        測試用例排序是指對測試用例集TS中的測試用例進(jìn)行排序,通過判斷最終找到一個(gè)最優(yōu)的排列,降低測試成本,能更早發(fā)現(xiàn)程序中的錯(cuò)誤。本文通過實(shí)數(shù)編碼表示測試用例集中每個(gè)測試用例的序號。假設(shè)測試用例集TS中有M個(gè)測試用例,那么TS的任意一個(gè)序列可用粒子X=(xt1,xt2,…,xtm)表示,其中tm表示測試用例集 TS中第m個(gè)測試用例,xtm表示測試用例tm在測試用例集TS中的序號,且1≤xt≤M。

        2.2 優(yōu)先級評價(jià)標(biāo)準(zhǔn)

        測試用例優(yōu)先級技術(shù)(test case prioritization, TCP)是一個(gè)廣泛的研究熱點(diǎn)。該問題可以描述為滿足下列公式:

        (?T″)(T″∈PT)(T″≠T′)[f(PT′)≥f(PT″)]

        (12)

        其中:T為測試用例集,PT為測試用例集中所有的可能的排列組合,f為目標(biāo)函數(shù)。

        適應(yīng)度函數(shù)用以引導(dǎo)搜索算法的搜索方向,它決定了搜索算法能否快速有效地找到全局最優(yōu)解,同時(shí)粒子的適應(yīng)度值反應(yīng)了該粒子是否為優(yōu)質(zhì)解,本文目的在于對測試用例進(jìn)行優(yōu)先級排序,減少回歸測試成本,盡早發(fā)現(xiàn)缺陷,所以采用標(biāo)準(zhǔn)化的測試用例程序度量標(biāo)準(zhǔn)(normalized average of the percentage of faults detected,NAPFD)計(jì)算缺陷檢測率,該標(biāo)準(zhǔn)用于衡量測試用例的優(yōu)先級,公式如下所示:

        (11)

        其中:n表示測試用例集中參與測試的測試用例個(gè)數(shù),m表示缺陷個(gè)數(shù),p是n中缺陷個(gè)數(shù)與候選測試用例集T中缺陷個(gè)數(shù)的比率,TFi(1≤i≤m)表示檢測出第i個(gè)缺陷需要運(yùn)行的測試用例個(gè)數(shù)。通過公式可以得出,當(dāng)NAPFD的值越大,則發(fā)現(xiàn)錯(cuò)誤的速度越快。

        3 實(shí)驗(yàn)仿真及結(jié)果分析

        3.1 實(shí)驗(yàn)對象

        實(shí)驗(yàn)使用 Matlab2012a實(shí)現(xiàn),基本參數(shù)設(shè)置如下:最大迭代次數(shù)K=1 000,種群規(guī)模為K=30,c2,c1參考前文所寫公式(5),ω參考前文所寫公式(6),Ω∈[0.4,0.9],為了避免隨機(jī)性帶來的影響,每組實(shí)驗(yàn)運(yùn)行100次。本文采用了四種典型測試函數(shù)驗(yàn)證TCPSO算法的性能,并將結(jié)果與表粒子群算法進(jìn)行對比,4種測試函數(shù)如表1所示。

        表1 4種測試函數(shù)表

        其中函數(shù)F1函數(shù)為Sphere,F(xiàn)2函數(shù)為Rosenbrock,F3函數(shù)為Rastrigrin,F(xiàn)4函數(shù)為Griewank。為驗(yàn)證本文提出的TCPSO算法在測試用例排序上的有效性,本文對6個(gè)不同類型的程序進(jìn)行實(shí)驗(yàn),并與標(biāo)準(zhǔn)粒子群算法進(jìn)行結(jié)果對比,從缺陷檢測率角度進(jìn)行評價(jià),程序相關(guān)信息如表2所示。

        表2 6個(gè)被測程序

        3.2 實(shí)驗(yàn)結(jié)果分析

        針對4個(gè)測試函數(shù),本文采用標(biāo)準(zhǔn)粒子群優(yōu)化算法和TCPSO算法分別進(jìn)行了實(shí)驗(yàn),評判標(biāo)準(zhǔn)為平均適應(yīng)度值的大小,如表3所示。

        表3 各測試函數(shù)的平均適應(yīng)度值

        從表3中可以看出,本文提出的TCPSO算法得到的函數(shù)值明顯優(yōu)于標(biāo)準(zhǔn)粒子群算法,搜索精度提高了5倍以上,普遍在10倍左右,其中改進(jìn)后的粒子群算法在f4函數(shù)上取得了最好的優(yōu)化結(jié)果,將精度提高了近20倍。實(shí)驗(yàn)結(jié)果表明,TCPSO算法的適用范圍廣泛,全局和局部搜索能力得到提高。

        本文對標(biāo)準(zhǔn)粒子群優(yōu)化算法和TCPSO算法分別通過表1中的 6個(gè)被測程序進(jìn)行了測試用例排序?qū)嶒?yàn)。對于程序Print_tokens和Schedule,由于兩者的測試用例較多,所以均勻地從中隨機(jī)選取了56和75個(gè)測試用例用于排序?qū)嶒?yàn)。通過計(jì)算6個(gè)被測程序排序后的最優(yōu)排列的NAPFD,以上實(shí)驗(yàn)進(jìn)行100次,由于實(shí)驗(yàn)次數(shù)較多,所以實(shí)驗(yàn)結(jié)果用箱形圖形式展現(xiàn),便于整體觀察分析,箱形圖如圖1~2所示。

        圖1 PSO算法對應(yīng)的NAPFD

        圖2 TCPSO算法對應(yīng)的NAPFD

        通過圖1和2的箱形圖對比可知,TCPSO算法在缺陷檢測率上明顯優(yōu)于標(biāo)準(zhǔn)粒子群算法,其中對于Schedule程序而言,優(yōu)化程度是最高的,NAPFD將近提高百分之二十五,但對于tokens程序而已,缺陷檢測率提高并不明顯,兩種算法的NAPFD相近,其余算法的缺陷檢測率提高程度近似;count程序在PSO算法的應(yīng)用中,NAPFD數(shù)值波動較大,而在TCPSO算法的應(yīng)用中,較為均衡。

        通過兩個(gè)實(shí)驗(yàn)結(jié)果表明,基于Tent混沌的粒子群算法在測試用例排序問題上效果顯著,在粒子尋優(yōu)能力與測試用例缺陷檢測率兩個(gè)指標(biāo)上均有優(yōu)勢。

        4 結(jié)束語

        本文將粒子群算法與混沌算法相結(jié)合,應(yīng)用于測試用例排序研究中。對Tent映射添加參數(shù),使粒子避免落入小周期內(nèi),提高了初始種群質(zhì)量;學(xué)習(xí)因子與慣性權(quán)重相結(jié)合,進(jìn)行非線性遞減變化,用以平衡算法;對陷入局部最優(yōu)和部分最差粒子進(jìn)行混沌搜索優(yōu)化,以跳出局部最優(yōu)同時(shí)保證種群多樣性。在實(shí)驗(yàn)部分,通過4種典型測試函數(shù)和6個(gè)被測程序?qū)?yōu)先級排序進(jìn)行驗(yàn)證,結(jié)果表明在粒子尋優(yōu)能力和測試用例缺陷檢測率上有優(yōu)勢。本實(shí)驗(yàn)用到的程序并非大型程序,如何對大型的程序進(jìn)行測試用例優(yōu)先級排序是進(jìn)一步的研究問題。

        猜你喜歡
        排序程序優(yōu)化
        超限高層建筑結(jié)構(gòu)設(shè)計(jì)與優(yōu)化思考
        排序不等式
        民用建筑防煙排煙設(shè)計(jì)優(yōu)化探討
        關(guān)于優(yōu)化消防安全告知承諾的一些思考
        一道優(yōu)化題的幾何解法
        恐怖排序
        試論我國未決羈押程序的立法完善
        節(jié)日排序
        刻舟求劍
        兒童繪本(2018年5期)2018-04-12 16:45:32
        “程序猿”的生活什么樣
        欧美人妻日韩精品| 中文区中文字幕免费看| 韩国三级中文字幕hd| 精品久久久久久国产| 最新福利姬在线视频国产观看| 少妇被粗大的猛进69视频| 国模冰莲极品自慰人体| 欧美性大战久久久久久久| 亚洲人成影院在线高清| 丝袜美腿亚洲综合在线播放| 亚洲成av人片乱码色午夜| 999国内精品永久免费视频| 在线观看国产三级av| 国产另类人妖在线观看| 亚洲av无码乱码在线观看富二代 | 国产V亚洲V天堂A无码| 成人性生交大片免费5| 亚洲日韩国产欧美一区二区三区| 初尝黑人嗷嗷叫中文字幕| 国产成人精品一区二免费网站| 国产亚洲熟妇在线视频| 内射爽无广熟女亚洲| 伊人一道本| 亚洲另类国产精品中文字幕| 精品无码人妻夜人多侵犯18| 国产成人一区二区三区在线观看| 久久久亚洲精品蜜桃臀| 中文字幕34一区二区| 久久久亚洲精品无码| 天天综合久久| 中文字幕久久国产精品| 极品尤物一区二区三区| 精品爆乳一区二区三区无码av| 亚洲天堂无码AV一二三四区 | 亚洲国产精品sss在线观看av| 亚洲第一区二区快射影院| 国产婷婷成人久久av免费| 国产激情电影综合在线看| 一本一道av无码中文字幕﹣百度 | 无码专区久久综合久中文字幕| 日本一区二区不卡超清在线播放|