改进的粒子群算法在测试数据生成中的应用  

Improved Adaptive PSO Application on Automatic Test Data Generation

作　　者：邓璐娟[1] 卢华琦[1] 孙义坤[1] 刁海港[1] 

机构地区：[1]郑州轻工业学院计算机与通信工程学院,河南郑州450002

出　　处：《计算机技术与发展》2010年第7期216-218,222,共4页Computer Technology and Development

基　　金：河南省新世纪优秀人才支持项目(2005HANCET-03)

摘　　要：自动化测试中,测试数据的自动生成技术是提供软件测试效率和效果的瓶颈。粒子群算法(PSO)具有简单、易实现、可调参数少等特点,在测试数据生成方法中得到初步应用。在具体应用过程中,为克服PSO易陷入局部极值的缺陷,对算法进行了改进,应用加入移动步长的混合粒子群算法(SwPSO)自动生成测试数据,提高了PSO算法摆脱局部极小点的能力。文中对算法的原理和实现做了详细描述,并将其与传统的基于标准粒子群算法(PSO)和遗传算法(GA)来实现软件测试数据自动生成方法进行实验对比。结果表明,改进后的粒子群算法可以更高效地生成测试数据。Automatic generation technology of test data is an important field of software test,which is an effective method to promote the efficiency and the effect of software test.Particle swarm optimization（PSO） has few parameters need to be tuned,and has been initially applied on test data generation methlod.In the specific application process,to overcome the deficiencies of easily falling into local extreme on PSO,proposes a hybrid particle swarm optimization（SwPSO）,which added moving-step and improve performance of basic PSO algorithm.Describe the principle and realization of the approach in detail.By comparing with both particle swarm optimization and genetic algorithm,this test data generation based on SwPSO is proved to be more efficient.

关 键 词：软件测试 测试数据 粒子群算法 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]