主页期刊介绍编委会编辑部服务介绍相关网站在线审稿编委办公编辑办公
2018年专刊出版计划 微信服务介绍 最新一期:2017年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
曾梦凡,陈思洋,张文茜,聂长海.利用蚁群算法生成覆盖表:探索与挖掘.软件学报,2016,27(4):855-878
利用蚁群算法生成覆盖表:探索与挖掘
Generating Covering Arrays Using Ant Colony Optimization:Exploration and Mining
投稿时间:2015-08-30  修订日期:2015-10-15
DOI:10.13328/j.cnki.jos.004974
中文关键词:  覆盖表  蚁群算法  演化搜索算法  并行计算  组合测试  软件测试
英文关键词:covering array  ant colony optimization  evolutionary algorithm  parallel computing  combinatorial testing  software testing
基金项目:国家自然科学基金(61272079,61321491,91318301);教育部博士点基金(20130091110032)
作者单位E-mail
曾梦凡 计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093  
陈思洋 计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093  
张文茜 计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093  
聂长海 计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093 changhainie@nju.edu.cn 
摘要点击次数: 3698
全文下载次数: 1371
中文摘要:
      覆盖表生成问题是组合测试的重要研究内容之一,目前已有许多数学方法、贪心算法、搜索算法用于求解这一问题.蚁群算法作为一种能够有效求解组合优化问题的演化搜索算法,已被应用到求解覆盖表生成问题中.已有的研究工作表明:蚁群算法适于求解一般覆盖表、变力度覆盖表生成以及覆盖表排序等问题,但算法结果与其他覆盖表生成方法相比并不具有优势.为了进一步探索与挖掘蚁群算法生成覆盖表的潜力,进行了如下4个层次的改进工作:(1)算法变种集成;(2)算法参数配置优化;(3)演化对象结构调整及演化策略改进;(4)利用并行计算优化算法时间开销.实验结果表明:通过以上4个层次的改进,蚁群算法生成覆盖表的性能有了显著提升.
英文摘要:
      Generation of covering arrays, which has been solved by many mathematical methods and greedy algorithms as well as search based algorithms, is one of significant problems in combinatorial testing. As an effective evolutionary search algorithm for solving combinatorial optimization problems, ant colony optimization has also been used to generate covering arrays. Existing research shows ant colony optimization suitable for generating general covering arrays, variable strength covering arrays and the prioritization of covering arrays. Unfortunately, compared with other methods, ant colony optimization doesn't have significant advantages. To further explore and mine the potential of ant colony optimization in generating covering arrays, this paper focuses on four levels of improvement:1) the integration of ant colony variants; 2) parameter tuning; 3) the adjustment of solution structure and the improvement of evolutionary strategy; 4) using parallel computing to save executing time. The experimental results show that ant colony optimization is much more effective in generating covering arrays after the improvements.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利