一种基于Kalman滤波和粒子群优化的测试数据生成方法

发布时间：2018-03-09 07:03

  本文选题：测试数据生成　切入点：粒子群优化　出处：《电子学报》2017年10期 　论文类型：期刊论文

【摘要】：为减少进化代数,提高路径覆盖成功率,提出了多邻域Kalman滤波PSO测试数据生成方法.在该方法中将粒子固定划分到不同邻域中,各邻域内指定一个粒子向全局最优粒子学习,其余各粒子向所在邻域中最优粒子学习,而全局最优粒子利用无速度项的简化PSO进化.在此过程中,除全局最优粒子外的各粒子利用Kalman滤波方程更新粒子的位置.实验表明,相较于基本PSO和其他PSO方法,即使是覆盖困难的路径,本文方法也具有进化代数少、路径覆盖成功率高及性能稳定的特点.
[Abstract]:In order to reduce evolutionary algebra and improve the success rate of path coverage, a multi-neighborhood Kalman filter PSO test data generation method is proposed. In this method, particles are fixed into different neighborhoods, and one particle is assigned within each neighborhood to learn from the global optimal particle. The rest of the particles learn from the optimal particles in the neighborhood, and the global optimal particles use the simplified PSO evolution without velocity term. In this process, the positions of the particles are updated by using the Kalman filter equation. Compared with the basic PSO and other PSO methods, this method has the characteristics of less evolutionary algebra, higher success rate of path coverage and stable performance, even if it is difficult to cover paths.
【作者单位】： 中国矿业大学计算机科学与技术学院;桂林电子科技大学广西可信软件重点实验室;南京大学计算机软件新技术国家重点实验室;河南工业大学信息科学与工程学院;
【基金】：国家自然科学基金(No.61502497,No.61562015,No.61673384,No.61602154) 中国博士后科学基金(No.2015M581887) 广西可信软件重点实验室研究课题(No.KX201530) 南京大学计算机软件新技术国家重点实验室开放课题(No.KFKT2014B19) 徐州市科技计划项目(No.KC15SM051) 河南省高等学校重点科研项目计划资助(No.16A520005)
【分类号】：TP18;TP311.53

【相似文献】

相关期刊论文 前10条

1 陈伟;张金城;Robin Qiu;;审计数据处理实验中的模拟数据生成系统[J];计算机工程;2007年19期

2 黎方正;罗大庸;谢东;;一种海量数据生成方法[J];小型微型计算机系统;2009年12期

3 徐中伟;李海波;;面向断言的测试数据生成方法及其应用[J];同济大学学报(自然科学版);2007年05期

4 曹建军;刁兴春;张慧;谭明超;邓波;;信息系统模拟数据生成研究综述[J];计算机科学;2012年S1期

5 毛澄映;喻新欣;薛云志;;基于粒子群优化的测试数据生成及其实证分析[J];计算机研究与发展;2014年04期

6 贾松涛;张红卫;;面向路径的测试数据生成框架及应用[J];微计算机信息;2010年06期

7 崔隽;黄颖;;基于数据积木的仿真数据生成[J];指挥信息系统与技术;2012年06期

8 王雪莲,赵瑞莲,李立健;一种用于测试数据生成的动态程序切片算法[J];计算机应用;2005年06期

9 刘新忠;徐高潮;胡亮;付晓东;董玉双;;一种基于约束的变异测试数据生成方法[J];计算机研究与发展;2011年04期

10 王立宏;王曙燕;孙家泽;;一种分阶段组合测试数据生成算法[J];计算机应用与软件;2013年03期

相关会议论文 前10条

1 崔冬华;李俊士;乔素琴;;基于二叉解空间树的两两组合测试数据生成[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年

2 李文锋;徐拾义;;软件内建自测试中的测试数据生成方法[A];第十届全国容错计算学术会议论文集[C];2003年

3 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

4 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

6 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

7 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

9 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关博士学位论文 前6条

1 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

2 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

3 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

4 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年

5 莫愿斌;粒子群优化算法的扩展与应用[D];浙江大学;2006年

6 陈自郁;粒子群优化的邻居拓扑结构和算法改进研究[D];重庆大学;2009年

相关硕士学位论文 前10条

1 王文亮;两类特定路径覆盖测试数据生成问题的建模及进化求解[D];中国矿业大学;2015年

2 汪洋;Linux集群数据生成及管理工具中任务管理模块的设计与实现[D];南京大学;2014年

3 赵盟;基于Memetic算法的软件测试数据生成[D];西安电子科技大学;2014年

4 秦备;基于重要语句选择的变异测试数据生成[D];中国矿业大学;2016年

5 李彬;基于变量分组的路径覆盖测试数据生成建模及进化求解[D];中国矿业大学;2016年

6 王士涛;面向路径的测试数据生成方法的研究[D];湖南大学;2013年

7 刘海燕;移动数据生成与查询测试平台的设计与实现[D];东北大学;2012年

8 阎晓明;关系数据库模拟数据生成系统设计与实现[D];大连海事大学;2011年

9 景丽石;基于矢量聚类与Kalman滤波的数字稳像技术研究[D];大连理工大学;2016年

10 金翩;基于Kalman滤波的目标跟踪与传感器配准问题研究[D];华中科技大学;2015年

，

本文编号：1587465