自适应粒子群优化算法及其在测试数据生成中的应用研究  

Adaptive Particle Swarm Optimization Algorithm and Its Application in Test Data Generation

作　　者：史娇娇[1] 姜淑娟[1] 韩寒[1] 王令赛[1] 

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221116

出　　处：《电子学报》2013年第8期1555-1559,共5页Acta Electronica Sinica

基　　金：国家自然科学基金(No.60970032);江苏省"青蓝工程"

摘　　要：针对粒子群算法易陷入局部最优解及搜索精度低的问题,本文提出一种约简的自适应粒子群优化算法并应用于测试数据的自动生成.首先对粒子群进化方程约简,提出无速度项的粒子群进化方程;然后,对约简后的方程提出基于惯性权重的自适应调整方案,将惯性权重直接作用于粒子的位置,并根据粒子的适应度及聚集度将种群划分为三部分.实验表明,该方法可以有效地提高自动生成测试数据的效率.According to the particle swarm algorithm that easily falls into the local optimal solution and the problem of low search accuracy,this paper proposes reduced adaptive particle swarm optimization algorithm for generating test data automatically.First,this paper reduces the evolution equations of particle swarm and presents evolution equations without velocity.Then this paper proposes adaptive adjustment scheme based on inertia weight and inertia weight is directly acted on the particle position.According to the particle fitness and particle aggregation degree,the population will be divided into three parts.The experiments show that our approach can effectively improve the efficiency of generating test data automatically.

关 键 词：粒子群算法 测试数据自动生成 进化方程约简 惯性权重 自适应调整方案 粒子聚集度 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]