基于灰狼算术混合优化算法的类集成测试序列生成方法

摘要：

集成测试是软件测试的重要环节,如何决定类的集成顺序是面向对象集成测试难解决的问题之一.已有研究成果证实了基于搜索的类集成测试序列生成方法的有效性,但存在收敛速度慢、寻优精度低的问题.灰狼优化算法(Grey Wolf Opti-mizer,GWO)中狼群易聚集在相近的区域,易早熟收敛.算术优化算法(Arithmetic Optimization Algorithm,AOA)是新近提出的元启发式优化算法,具有良好的随机性及分散性.为此,提出了一种灰狼优化算法和算术优化算法的混合优化算法(GWO-AOA).GWO-AOA保留GWO的位置更新策略,选用群体领导层的中心个体替换AOA的引导个体,以平衡算法的全局探索和局部开发能力,进一步引入随机游动的精英变异机制,提高算法整体的寻优精度.实验结果表明,GWO-AOA相比同类方法能用较短的时间生成测试桩代价较低的类集成测试序列,收敛速度较快.

关键词：集成测试、类集成测试序列、灰狼优化算法、算术优化算法、混合优化、随机游动

所属期刊栏目：50

分类号：TP311.5(计算技术、计算机技术)

资助基金：国家重点研发计划;河南省科技攻关计划;河南省科技攻关计划

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：72-81