基于Tent混沌的测试用例优先级排序

摘要

针对标准粒子群算法(Particle Swarm Optimization,PSO)后期出现的早熟收敛,提出了一种基于Tent混沌的粒子群优化算法(Tent-ChaosParticle Swarm Optimization,TCPSO)用于测试用例优先级排序;首先,利用改进的Tent映射的三大特性初始化种群,使得粒子均匀分布,提高初始解的质量;并通过非线性递减的惯性权重函数对学习因子进行改进,以更新粒子速度与位置信息;其次,对陷入局部最优的粒子P.进行混沌搜索,跳出局部最优,同时对当前种群中部分最差粒子P.进行混沌搜索,改善种群多样性;最后,采用测试用例缺陷检测率作为评价标准,评判测试用例优劣程度;实验表明,提出的改进方法在寻优能力和缺陷检测率指标上均有优势.