计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
z1期
54-57
,共4页
测试选择%遗传算法%BP神经网络%模拟退火算法
測試選擇%遺傳算法%BP神經網絡%模擬退火算法
측시선택%유전산법%BP신경망락%모의퇴화산법
Test selection%Genetic algorithm%BP neural network%Simulated annealing algorithm
测试优化选择是个集覆盖问题,而启发式算法是求解集覆盖问题的有效方法.文中将遗传算法、BP神经网络和模拟退火算法进行融合,提出了一种融合算法,该算法充分利用遗传算法全局搜索能力强、BP神经网络训练能力强和模拟退火算法搜索速度快的优点,既避免陷入局部最优的现象,又提高了搜索的效率和精度.该算法已应用于求解测试优化问题.实例证明,该算法能够快速有效地求得测试优化问题的最优解.
測試優化選擇是箇集覆蓋問題,而啟髮式算法是求解集覆蓋問題的有效方法.文中將遺傳算法、BP神經網絡和模擬退火算法進行融閤,提齣瞭一種融閤算法,該算法充分利用遺傳算法全跼搜索能力彊、BP神經網絡訓練能力彊和模擬退火算法搜索速度快的優點,既避免陷入跼部最優的現象,又提高瞭搜索的效率和精度.該算法已應用于求解測試優化問題.實例證明,該算法能夠快速有效地求得測試優化問題的最優解.
측시우화선택시개집복개문제,이계발식산법시구해집복개문제적유효방법.문중장유전산법、BP신경망락화모의퇴화산법진행융합,제출료일충융합산법,해산법충분이용유전산법전국수색능력강、BP신경망락훈련능력강화모의퇴화산법수색속도쾌적우점,기피면함입국부최우적현상,우제고료수색적효솔화정도.해산법이응용우구해측시우화문제.실예증명,해산법능구쾌속유효지구득측시우화문제적최우해.
