声明
学位论文数据集
摘要
第一章 绪论
1.1 课题来源
1.2 课题研究背景及意义
1.3 国内外相关研究介绍
1.3.1 优化技术在回归测试中的应用研究
1.3.2 进化算法在优化问题中的应用研究
1.3.3 基于CPU+GPU异构并行进化算法的应用研究
1.4 论文主要贡献
1.4.1 多目标测试用例预优化问题及其解决方法
1.4.2 多目标测试用例预优化算法的并行化改进
1.5 论文组织结构
1.6 本章小结
第二章 回归测试用例预优化技术及进化算法
2.1 回归测试
2.2 回归测试用例预优化技术
2.3 进化算法在测试用例预优化中的应用
2.4 进化算法的并行化改进
2.5 本章小结
第三章 GPGPU及CUDA计算平台
3.1 GPGPU发展历程
3.2 CUDA计算平台概述
3.3 CUDA硬件体系结构
3.3.1 NVIDIA GPU硬件设计
3.3.2 计算能力
3.4 CUDA编程模型
3.4.1 CPU+GPU异构并行模式
3.4.2 线程结构
3.4.3 存储器层次模型
3.5 CUDA编程规范
3.6 本章小结
第四章 多目标测试用例预优化方法设计与实现
4.1 基于进化算法的多目标测试用例预优化方法研究
4.1.1 多目标测试用例预优化问题定义
4.1.2 优化目标的选取
4.1.3 个体编码方案
4.1.4 选择算子
4.1.5 交叉算子
4.1.6 变异算子
4.2 NSGA-II的算法的实现细节
4.3 测试用例预优化实验及结果分析
4.3.1 实验环境及被测对象
4.3.2 实验方案
4.3.3 最优解在目标空间的分布
4.3.4 方法的耗时统计及影响因素分析
4.4 本章小结
第五章 CPU+GPU异构并行多目标测试用例预优化方法研究
5.1 并行多目标测试用例预优化方法概述
5.2 CPU+GPU异构并行方案设计
5.3 适应度评估的GPU并行策略
5.3.1 并行任务划分
5.3.2 适应度评估的kernel函数设计
5.4 交叉操作的GPU并行策略
5.4.1 序列编码交叉操作的GPU并行策略
5.4.2 顺序编码交叉操作的GPU并行策略
5.4.3 基于scan操作的GPU并行交叉策略
5.5 本章小结
第六章 并行多目标测试用例预优化方法的实验研究
6.1 实验研究问题
6.2 软、硬件环境搭建
6.3 加速比实验的结果及分析
6.3.1 并行适应度评估策略的加速比
6.3.2 序列编码并行交叉策略的加速比
6.3.3 顺序编码并行交叉策略的加速比
6.3.4 基于scan操作的并行交叉策略的加速比
6.3.5 不同并行交叉策略的比较
6.3.6 NSGA-II遗传参数对加速性能的影响
6.4 本章小结
第七章 结束语
7.1 论文的主要工作
7.2 未来进一步工作
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
硕士研究生学位论文答辩委员会决议书