[發明專利]基于粒子群優化的約束下組合測試數據生成方法

有效

• 申請號: 202011609041.2
• 申請日: 2020-12-29
• 公開（公告）號: CN112711535B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 楊京禮;魏長安;姜守達;盛云龍
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N3/00
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

1.一種基于粒子群優化的約束下組合測試數據生成方法，其特征在于，包括以下步驟：

步驟S1，對粒子群優化算法本身參數和生成測試數據過程中所用的參數進行初始化，其中，所述生成測試數據過程中所用的參數為約束與索引矩陣

步驟S2，為種群中M個粒子中每個粒子位置的每個維度進行初始化，得到候選解集；

步驟S3，選出所述候選解集中每個粒子的個體極值pBest和全局極值gBest，種群中每個粒子根據所述個體極值pBest和所述全局極值gBest更新自身的速度和位置，以完成種群進化；

步驟S4，在所述種群進化后，更新所述個體極值pBest和所述全局極值gBest；

步驟S5，對每個粒子的位置進行全局擾動操作；

步驟S6，判斷更新后的全局極值gBest是否滿足最大覆蓋，若不滿足，繼續進行迭代執行所述步驟S3，若滿足，則所述更新后的全局極值gBest為最優測試數據，輸入步驟S7中；

步驟S7，對所述更新后的全局極值gBest進行局部搜索優化，使其滿足約束一致性，全部參數均選取一遍取值，具體地，

所述步驟S7中分兩種情況進行局部搜索優化，

第一種情況，當所述更新后的全局極值gBest不滿足約束一致性，則局部搜索的步驟為：

剔除違反約束一致性的參數取值，并為剔除取值的參數隨機生成一個順序；

按照生成的參數順序，逐個參數選取取值，選取原則為：隨機從候選取值集合中選擇一個，放至所述更新后的全局極值gBest中之后，若使得測試數據滿足約束一致性且適應值大于等于預設適應值，則保留該值為下一個參數選取取值；放至所述更新后的全局極值gBest中之后，若使得測試數據不滿足約束一致性，則從候選取值集合中剔除該取值，繼續從剩余的候選取值區集合中選取取值，直至所述更新后的全局極值gBest中全部參數都選取了對應的取值；

第二種情況，當所述更新后的全局極值gBest滿足約束一致性，則局部搜索的步驟為：

隨機生成參數的順序；

按照所述生成的參數順序，逐個的替換對應參數的取值，替換的原則為：隨機從剔除了當前值的候選取值集合中選擇一個，放至所述更新后的全局極值gBest中替換現有參數的對應取值，若使得所述更新后的全局極值gBest滿足約束一致性且適應值大于等于現有適應值，則保留該值，為下一個參數選取取值；放至所述更新后的全局極值gBest中后，若使得測試數據不滿足約束一致性，則從候選取值集合中剔除該取值，繼續從剩余的候選取值集合中選取取值，直至為所述更新后的全局極值gBest中全部參數均選取了一遍取值；

步驟S8，判斷滿足約束的t個參數的取值組合全部被至少覆蓋一次，則結束生成過程，得到組合測試數據集。

2.根據權利要求1所述的基于粒子群優化的約束下組合測試數據生成方法，其特征在于，所述步驟S2具體包括：

粒子維度初始值從第j個參數的取值區間[0,g_j-1]中隨機選擇，粒子位置中每個維度的初始速度值v_ij從范圍[-(g_j-1),g_j-1]中隨機選取，其中，g_j為第j個參數的取值個數。

3.根據權利要求1所述的基于粒子群優化的約束下組合測試數據生成方法，其特征在于，所述個體極值pBest是粒子的初始位置X_i，所述全局極值gBest是種群中既滿足約束一致性又具有最大適應值的粒子位置。

4.根據權利要求1所述的基于粒子群優化的約束下組合測試數據生成方法，其特征在于，所述種群進化中更新公式為：

其中，為粒子更新后的速度，為粒子更新后的位置，t為迭代次數，ω為慣性權重，c₁、c₂為學習因子，r₁、r₂為均勻分布在(0,1)間的隨機數，i為第i個粒子，設粒子的規模為M，則i的范圍為1,2,...,M；j為第j個維度，設粒子位置的維度數為d，則j的范圍為1,2,...,d；為每個粒子在整個迭代過程中的最優位置；為全體粒子在整個迭代過程中的最優位置。