基于多态蚁群算法测试用例自动生成.docVIP

基于多态蚁群算法测试用例自动生成 　　摘 要：提出了一种基于多态蚁群算法的测试数据自动生成方法。该方法使用二进制编码将输入数据转换为位串；然后在蚁群算法的基础上将蚁群分为三类，据其信息素的不同采用不同的移动准则，重点对侦察蚁和搜索蚁进行功能分析。将局部搜索与全局搜索结合起来，结合路径的相似度，缩小搜索空间；根据适应度函数确定最好路径，既解决局部最优化问题，又提高收敛效率。与基本蚁群算法对比，其结果显示该方法效率优于基本蚁群算法。 　　关键词：多态蚁群算法； 测试数据； 相似度； 适应度； 信息素 　　中图分类号：TP311文献标志码：A 　　文章编号：1001-3695(2009)06-2347-02 　　doi:10.3969/j.issn.1001-3695.2009.06.104 　　 　　Automated software test-data generationbased on polymorphic ant colonies algorithm 　　CHEN Ming-shi， LIU Xiao-jie， LI Tao 　　(College of Computer Science, Sichuan University，Chengdu 610065，China) 　　Abstract: 　　This paper drawled a polymorphic ant colonies algorithm method to generate test-data automatically. This method transferred the data input to bit string in binary coding approach. Based on the ant colonies algorithm, divided the ants into three categories. Different pheromones with different criteria to move, focused the analysis of exploring ant and searching ant. combined local search and global search to explore the optimal solution. With the similarity of the route, it could narrow the search space and increase the convergence rate; with the fitness function, it could find the optimal routes. This method could solve the local optimal problems and improve the efficiency of convergence. Comparing and studying the ant colony algorithm, show that the approach is feasible and superior to the previous in efficiency. 　　Key words：polymorphic ant colony algorithm; test data; similarity; fitness; pheromone 　　 　　目前解决网络安全的方法是计算机免疫[1],通过软件测试可提高软件安全性。测试用例的自动生成至关重要，若能自动生成测试用例则可以节省整个软件开发费用的4%。国内外面向路径的测试数据有随机法、试探法、静态法和动态法。鉴于爬山算法、遗传算法(GA)、模拟退火算法(SA)和模拟退火遗传算法(SAGA)的局限性[2]，蚁群中个体间可进行信息交流,故蚁群算法(ACA)?? [3，4]应用于自动产生测试数据[5]，能够解决局部最优，较大程度提高了收敛效率,但蚁群单一、信息素单一、搜索空间庞大、效率仍然不高。本文提出了多态蚁群算法[6]，利用信息素多态性，不同蚁群进行分工协作。这里蚁群有三类，即侦察蚁、搜索蚁和工蚁。侦察蚁负责局部搜索；搜索蚁对侦察蚁的结果进行统计，缩小了搜索空间；增强蚁群间协作，从而提高了搜索效率，加快收敛速度。工蚁只从已知路径取得食物并回巢即可，故不对工蚁作讨论。 　　 　　1 测试数据模型 　　 　　1.1 蚂蚁路径的描述 　　?ド枋淙?Xi(i=1,2,…,n)为二进制编码，蚂蚁路径有向图G=(V,E),节点集V={v1,v2,…,v2N}，有向边集E = {e1,e2,…,e