基于机器学习的约束求解复杂度计算方法研究
发布时间：2021-08-15 07:46
从函数入口到达目标点或者函数出口的路径可能有非常多,选择一条约束求解复杂度低的路径可以提高面向路径的测试用例生成效率,具有非常重要的意义。面向路径的约束求解复杂度可以由求解时间来体现。本文首先分析了面向路径的约束求解中影响效率的关键因素。然后,结合路径中约束信息的构成建立了符号化的约束求解复杂度模型。最后,基于约束求解复杂度模型使用机器学习中的误差反向传播神经网络、遗传算法优化的误差反向传播神经网络、支持向量机回归和集成学习四种方法对大量历史路径求解数据进行训练,建立预测模型,实现对一组新输入路径集的求解时间预测。其中,预测求解时间最少的路径就代表求解复杂度最低的一条路径。本文在MATLAB上编码实现了上述四种方法,并通过相关实验来验证这些方法的可行性。实验结果表明遗传算法优化后的误差反向传播神经网络模型预测准确率最高,将该模型应用到测试用例生成的路径选择中可以提高整体效率。
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－２机器学习??机器学习的基础模型如图２－３所示，主要包括了四个部分：环境、学习环节、??
于研究通过计算的手段，利用经验来改善系统本身的性能，而在计算机系统中，??经验一般以数据的形式存在［力。传统的计算机编程中，数据通过模型计算得到输??出结果，如图２－１所示。而在机器学习中，通过数据和输出结果计算得到实现这??个转换的模型，如图２－２所示。机器学习的主要研宄内容就是从数据中发现规律??即学习算法（ｌｅａｒｎｉｎｇ?ａｌｇｏｒｉｔｈｍ），并应用于解决新的问题。??数据?Ｊ??顯］计算机｜轉＊??图２－１传统的计算机编程??数据?」???碎里￣＂计算机?￣￣－??结果?，??图２－２机器学习??机器学习的基础模型如图２－３所示，主要包括了四个部分：环境、学习环节、??知识库以及执行环节。???？学习环节???？执行环节??图２－３机器学习的基本模型??在机器学习模型中，学习环节和执行环节是两个主要的过程，学习环节通过??对环境的输入信息进行学习形成知识库，并不断对知识库进行改进，而执行环节??
（３）?—个激活函数。用于限制模型输出振幅，将输入数据限制到比较小的??范围，常见的有［０，１］或者［－１，１］。??图２－４的神经元模型可详细描述如下。??设神经元的输入向量为??Ｘ?＝?（Ｘ１；Ｘ２，Ｘ３，．．．，Ｘｎ）ｒ?（２－１）??公式（２－１）中，尤Ｕ?＝?１，２，３，…，ｎ）表不第／个神经兀的输入，《表不输??入神经元的总数量。??输入神经元到神经元节点的加权向量为??Ｗ＝?（Ｗ１，Ｗ２，Ｗ３，．．．，Ｗｎ）７＇?（２－２）??公式（２－２）中，呎（ｉ?＝?１，?２，３，…，ｎ）表示第ｆ个输入神经元到神经元节点??的加权值。??神经元节点的输入经过加权处理之后的和为??ｓ?＝?Ｓ？＝１＾Ｍ／，－０?（２－３）??公式（２－３）中，０表示神经元节点的阈值。??神经元的输出为??ｙ?＝?ｆ（ｓ）?（２－４）??公式（２－４）中，函数／表示转移函数。??２．２．２误差反向传播神经网络??误差反向传播神经网络（ｅｒｒｏｒ?ｂａｃｋｐｒｏｐａｇａｔｉｏｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ）简称ＢＰ神经??网络
【参考文献】：
期刊论文
[1]基于改进遗传算法的测试数据自动生成的研究[J]. 高雪笛,周丽娟,张树东,柳昊明. 计算机科学. 2017(03)
[2]基于BP神经网络软件测试缺陷预测技术研究及应用[J]. 费清春,严沁,史莹莹. 测控技术. 2016(01)
[3]基于分支限界搜索框架的测试用例自动生成[J]. 邢颖,宫云战,王雅文,张旭舟. 中国科学:信息科学. 2014(10)
[4]SVM应用于测试用例生成的方法[J]. 赵咏斌,朱嘉钢,陆晓. 计算机应用研究. 2015(01)
[5]基于符号执行的测试数据生成方法的研究与设计[J]. 赵跃华,阚俊杰. 计算机应用与软件. 2014(02)
[6]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[7]机器学习及其相关算法综述[J]. 陈凯,朱钰. 统计与信息论坛. 2007(05)
[8]软件测试工具综述[J]. 王雅文,宫云战,杨朝红. 北京化工大学学报(自然科学版). 2007(S1)
[9]基于面向路径的遗传算法的测试用例自动生成[J]. 金虎,李志蜀,张磊,李宝林,李勇军. 计算机工程. 2007(03)
[10]Boosting和Bagging综述[J]. 沈学华,周志华,吴建鑫,陈兆乾. 计算机工程与应用. 2000(12)
博士论文
[1]测试用例自动生成的分支限界算法及实验研究[D]. 邢颖.北京邮电大学 2014
[2]基于机器学习的软件缺陷预测技术研究[D]. 马樱.电子科技大学 2012
[3]基于动态测试用例生成的二进制软件缺陷自动发掘技术研究[D]. 李根.国防科学技术大学 2010
[4]面向路径的测试数据自动生成方法研究[D]. 单锦辉.国防科学技术大学 2002
硕士论文
[1]基于机器学习的手机游戏软件自动化测试研究[D]. 程文华.浙江大学 2014
[2]基于神经网络的路径覆盖测试数据生成[D]. 李鑫.中国矿业大学 2014
[3]基于动态符号执行的测试用例生成技术研究[D]. 董齐兴.中国科学技术大学 2014
[4]基于动态程序切片技术的测试用例自动生成研究[D]. 刘磊.安徽大学 2010
[5]基于支持向量机的软件可靠性模型研究[D]. 何俊学.兰州理工大学 2009
本文编号：3344127
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－２机器学习??机器学习的基础模型如图２－３所示，主要包括了四个部分：环境、学习环节、??
于研究通过计算的手段，利用经验来改善系统本身的性能，而在计算机系统中，??经验一般以数据的形式存在［力。传统的计算机编程中，数据通过模型计算得到输??出结果，如图２－１所示。而在机器学习中，通过数据和输出结果计算得到实现这??个转换的模型，如图２－２所示。机器学习的主要研宄内容就是从数据中发现规律??即学习算法（ｌｅａｒｎｉｎｇ?ａｌｇｏｒｉｔｈｍ），并应用于解决新的问题。??数据?Ｊ??顯］计算机｜轉＊??图２－１传统的计算机编程??数据?」???碎里￣＂计算机?￣￣－??结果?，??图２－２机器学习??机器学习的基础模型如图２－３所示，主要包括了四个部分：环境、学习环节、??知识库以及执行环节。???？学习环节???？执行环节??图２－３机器学习的基本模型??在机器学习模型中，学习环节和执行环节是两个主要的过程，学习环节通过??对环境的输入信息进行学习形成知识库，并不断对知识库进行改进，而执行环节??
（３）?—个激活函数。用于限制模型输出振幅，将输入数据限制到比较小的??范围，常见的有［０，１］或者［－１，１］。??图２－４的神经元模型可详细描述如下。??设神经元的输入向量为??Ｘ?＝?（Ｘ１；Ｘ２，Ｘ３，．．．，Ｘｎ）ｒ?（２－１）??公式（２－１）中，尤Ｕ?＝?１，２，３，…，ｎ）表不第／个神经兀的输入，《表不输??入神经元的总数量。??输入神经元到神经元节点的加权向量为??Ｗ＝?（Ｗ１，Ｗ２，Ｗ３，．．．，Ｗｎ）７＇?（２－２）??公式（２－２）中，呎（ｉ?＝?１，?２，３，…，ｎ）表示第ｆ个输入神经元到神经元节点??的加权值。??神经元节点的输入经过加权处理之后的和为??ｓ?＝?Ｓ？＝１＾Ｍ／，－０?（２－３）??公式（２－３）中，０表示神经元节点的阈值。??神经元的输出为??ｙ?＝?ｆ（ｓ）?（２－４）??公式（２－４）中，函数／表示转移函数。??２．２．２误差反向传播神经网络??误差反向传播神经网络（ｅｒｒｏｒ?ｂａｃｋｐｒｏｐａｇａｔｉｏｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ）简称ＢＰ神经??网络
【参考文献】：
期刊论文
[1]基于改进遗传算法的测试数据自动生成的研究[J]. 高雪笛,周丽娟,张树东,柳昊明. 计算机科学. 2017(03)
[2]基于BP神经网络软件测试缺陷预测技术研究及应用[J]. 费清春,严沁,史莹莹. 测控技术. 2016(01)
[3]基于分支限界搜索框架的测试用例自动生成[J]. 邢颖,宫云战,王雅文,张旭舟. 中国科学:信息科学. 2014(10)
[4]SVM应用于测试用例生成的方法[J]. 赵咏斌,朱嘉钢,陆晓. 计算机应用研究. 2015(01)
[5]基于符号执行的测试数据生成方法的研究与设计[J]. 赵跃华,阚俊杰. 计算机应用与软件. 2014(02)
[6]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[7]机器学习及其相关算法综述[J]. 陈凯,朱钰. 统计与信息论坛. 2007(05)
[8]软件测试工具综述[J]. 王雅文,宫云战,杨朝红. 北京化工大学学报(自然科学版). 2007(S1)
[9]基于面向路径的遗传算法的测试用例自动生成[J]. 金虎,李志蜀,张磊,李宝林,李勇军. 计算机工程. 2007(03)
[10]Boosting和Bagging综述[J]. 沈学华,周志华,吴建鑫,陈兆乾. 计算机工程与应用. 2000(12)
博士论文
[1]测试用例自动生成的分支限界算法及实验研究[D]. 邢颖.北京邮电大学 2014
[2]基于机器学习的软件缺陷预测技术研究[D]. 马樱.电子科技大学 2012
[3]基于动态测试用例生成的二进制软件缺陷自动发掘技术研究[D]. 李根.国防科学技术大学 2010
[4]面向路径的测试数据自动生成方法研究[D]. 单锦辉.国防科学技术大学 2002
硕士论文
[1]基于机器学习的手机游戏软件自动化测试研究[D]. 程文华.浙江大学 2014
[2]基于神经网络的路径覆盖测试数据生成[D]. 李鑫.中国矿业大学 2014
[3]基于动态符号执行的测试用例生成技术研究[D]. 董齐兴.中国科学技术大学 2014
[4]基于动态程序切片技术的测试用例自动生成研究[D]. 刘磊.安徽大学 2010
[5]基于支持向量机的软件可靠性模型研究[D]. 何俊学.兰州理工大学 2009
本文编号：3344127
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3344127.html
