[发明专利]基于混沌遗传算法的测试用例集约简算法

摘要

本发明公开了基于混沌遗传算法的测试用例集约简算法，初始化父体编码，对父体进行适应度计算，定义遗传算子；遗传算子包括选择、交叉、变异三步，主要对父体进行遗传变异，对其进行优化最终得到新的父体的一个过程，新父体的生产可能会增加向最优解变异的机会，因此在遗传算子结束后需再对新的父体进行适应值评价，判断是否满足输出条件，满足则输出最优子代，否则，添加混沌扰动，不断迭代直到前后两次计算出的适应度平均值之差小于预先给定的最小正数ε₁为止。本发明的测试用例集约简算法简单，能提高测试效率、降低测试成本。

主权项

基于混沌遗传算法的测试用例集约简算法，其特征在于按照以下步骤进行：步骤1：编码、初始化种群；初始化父体编码时满足当父体W_i与子体g_[i]下标相等时，g_[i]＝1，其余g_[i]＝0；步骤2：当父体编码改变时需重新计算其适应度，适应度值主要用于轮盘赌选择算法和混沌遗传算法，使用传统适应度函数计算公式，将适应度计算的对象变为对父体W_i按公式F(W_i)＝Cov(W_i)/Cost(W_i)进行适应度计算，其中，Cov(W_i)指父体的测试覆盖度，Cov(W_i)是父体的测试运行代价，覆盖程度Cov(W_i)为计算父体编码W_i中覆盖测试需求r_k的的个数；步骤3：定义遗传算子；遗传算子包括选择、交叉、变异三步，主要对父体进行遗传变异，对其进行优化最终得到新的父体的一个过程，新父体的生产可能会增加向最优解变异的机会，因此在遗传算子结束后需再对新的父体进行适应值评价，判断是否满足输出条件，满足则输出最优子代，否则，则进行步骤4；步骤4：添加混沌扰动；对当前种群中适应度后90％的父体，利用混沌系统，对其进行一定程度的微小扰动，从而提高其适应度，将选中的父体W_i＝[g_[1],g_[2],...,g_[n]]所指代的二进制的每一位都加一混沌扰动，按式g′_[k]＝(1‑ε)g^*+ε·g_[k],1≤k≤n进行添加，然后按式g″_[k]＝c_i+d_i·g′_[k]映射为优化变量，进行迭代计算；其中g′_[k]为经过添加随机扰动后形成的一个混沌变量，g^*为当前最优父体所指代的二进制编码，g_[k]为迭代k次之后的编码，通过g′_[k]＝(1‑ε)g^*+ε·g_[k],1≤k≤n可得到一组新父体G′_[k]＝(g′_[1]g′_[2],...,g′_[n]),0＜ε＜1,对于ε的取值采用自适应进行选取，随着搜索逐渐接近最优点，需将ε逐渐缩小，以保证在小范围内搜索最优解：$\mathrm{\ϵ}=1-{\left|\frac{k-1}{k}\right|}^m,$m为初始解群数，k为迭代次数，在式F(W_i)＝Cov(W_i)/Cost(W_i)中c_i,d_i为变换常数，通过式g″_[k]＝c_i+d_i·g′_[k]后得到父体的新编码G″_[k]＝(g″_[1]g″_[2],...,g″_[n])，由于定义的编码g″_[k]∈{0,1}，因此将g″_[k]通过式$g_{\left[k\right]}^{\′\′}\left\{\begin{array}{cc}1& g_{\left[i\right]}^{\′\′}>0.5\\ 0& \mathrm{else}\end{array}\right.$变换到相应的取值，不断迭代直到前后两次计算出的适应度平均值之差小于预先给定的最小正数ε₁为止。