求解组合测试用例集的差分进化蚁群算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (4): 68-70.

求解组合测试用例集的差分进化蚁群算法

钱雪忠，李玉

江南大学物联网工程学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-01 发布日期:2012-04-05

Combinatorial test suite via ant colony algorithm merging differential evolution

QIAN Xuezhong, LI Yu

School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-01 Published:2012-04-05

摘要/Abstract

摘要： 针对组合测试中测试用例集生成这一关键问题，通过构建组合空间的搜索模型，提出了一种用于求解最小测试用例集的差分进化蚁群算法（DEACA）。该算法将差分进化融入到蚁群算法中，并在搜索过程中动态更新启发信息，有效克服了标准蚁群算法在求解组合用例时出现的早熟现象。实验表明该方法优于标准蚁群算法，与其他方法相比也具有一定优势和特点。

关键词: 组合测试, 测试用例, 蚁群算法, 差分进化, 动态启发信息

Abstract: The generation of test cases is the key to combinational test. By constructing the search model of combinatorial space, a new test suite minimization method is presented based on ant colony algorithm merging differential evolution with dynamic heuristic information. The new method overcomes the premature convergence effectively. Through the experiment, it is verified that DEACA produces more optimal test suite than the original method ACA and has some merits compared with other methods.

Key words: combinatorial test, test case, ant colony algorithm, differential evolution, dynamic heuristic information

钱雪忠，李玉. 求解组合测试用例集的差分进化蚁群算法[J]. 计算机工程与应用, 2012, 48(4): 68-70.

QIAN Xuezhong, LI Yu. Combinatorial test suite via ant colony algorithm merging differential evolution[J]. Computer Engineering and Applications, 2012, 48(4): 68-70.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[7]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[8]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[9]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[10]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[11]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[12]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[13]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[14]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[15]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.