基于混沌退火粒子群优化算法的路径测试数据生成

摘要

为实现指定路径的软件测试数据自动生成,提出了一种基于粒子群优化(PSO)算法的演化测试方法。利用分支函数插装和强制路径执行策略,得到用于优化搜索的路径适应值。通过引入混沌搜索、模拟退火和早熟收敛判断机制,克服了标准PSO算法易陷入局部最优而无法找到测试数据的缺陷。三角形判断程序的测试数据自动生成实验表明:在最大迭代次数Tmax为500时,混沌退火粒子群优化(CAPSO)算法的命中概率为99%,标准PSO的命中概率为95%;在Tmax为2 000时,CAPSO算法的命中概率为100%,标准PSO算法的命中概率为95%左右;继续增大Tmax不能使标准PSO算法的命中概率提高,而CAPSO算法总能摆脱局部极值找到满足要求的测试数据。