计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
2期
545-549
,共5页
测试数据生成%全连接粒子群%拓扑结构%轮盘赌选择法%条件禁忌算法
測試數據生成%全連接粒子群%拓撲結構%輪盤賭選擇法%條件禁忌算法
측시수거생성%전련접입자군%탁복결구%륜반도선택법%조건금기산법
test data generation%Global Particle Swarm Optimization (GPSO)%topological structure%roulette selection method%conditional tabu search algorithm
针对全连接拓扑结构的粒子群算法在生成测试数据过程中,存在收敛精度低,易陷入局部极值的问题,提出一种混合粒子群算法HPSO,并将其应用于测试数据自动生成.该算法在保证全局收敛性的前提下,对多样性匮乏的种群,首先采用定长环形拓扑结构取代粒子群的全连接拓扑结构;其次,采用轮盘赌方法选择候选解,更新粒子位置信息和速度信息;最后引入条件禁忌算法,对处于局部极值的粒子采取禁忌处理.通过实验比较表明:与基本粒子群算法(BPSO)相比,HPSO使种群多样性得到大幅度提升;在测试数据生成性能上,HPSO的搜索成功率和路径覆盖率均优于遗传算法与粒子群算法混合算法GA-PSO,而平均耗时与BPSO算法相当,性能表现优越.
針對全連接拓撲結構的粒子群算法在生成測試數據過程中,存在收斂精度低,易陷入跼部極值的問題,提齣一種混閤粒子群算法HPSO,併將其應用于測試數據自動生成.該算法在保證全跼收斂性的前提下,對多樣性匱乏的種群,首先採用定長環形拓撲結構取代粒子群的全連接拓撲結構;其次,採用輪盤賭方法選擇候選解,更新粒子位置信息和速度信息;最後引入條件禁忌算法,對處于跼部極值的粒子採取禁忌處理.通過實驗比較錶明:與基本粒子群算法(BPSO)相比,HPSO使種群多樣性得到大幅度提升;在測試數據生成性能上,HPSO的搜索成功率和路徑覆蓋率均優于遺傳算法與粒子群算法混閤算法GA-PSO,而平均耗時與BPSO算法相噹,性能錶現優越.
침대전련접탁복결구적입자군산법재생성측시수거과정중,존재수렴정도저,역함입국부겁치적문제,제출일충혼합입자군산법HPSO,병장기응용우측시수거자동생성.해산법재보증전국수렴성적전제하,대다양성궤핍적충군,수선채용정장배형탁복결구취대입자군적전련접탁복결구;기차,채용륜반도방법선택후선해,경신입자위치신식화속도신식;최후인입조건금기산법,대처우국부겁치적입자채취금기처리.통과실험비교표명:여기본입자군산법(BPSO)상비,HPSO사충군다양성득도대폭도제승;재측시수거생성성능상,HPSO적수색성공솔화로경복개솔균우우유전산법여입자군산법혼합산법GA-PSO,이평균모시여BPSO산법상당,성능표현우월.
