-
公开(公告)号：CN103605605A
公开(公告)日：2014-02-26
申请号：CN201310595506.7
申请日：2013-11-21
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明公布了一种基于语句占优关系和两阶段遗传算法的高阶变异测试方法，目的是提高高阶变异测试的有效性和质量。首先，基于程序的占优关系树，来确定高阶变异的语句选择问题，从而保障位于同一个高阶变异体中的所有变异语句都被执行；然后，建立所需的目标函数，对高阶变异体的优劣进行度量；最后，设计了一种包含两个交替进化过程的遗传算法来生成高质量的高阶变异体，从而揭示程序所包含的复杂缺陷。该方法不但可以减少高阶变异体的数量，还可以保证高阶变体具有好的性能，对提高高阶变异测试的有效性和可行性具有重要意义。
-
公开(公告)号：CN114281397A
公开(公告)日：2022-04-05
申请号：CN202111239407.6
申请日：2021-10-25
Applicant: 中国矿业大学
Abstract: 本发明公布了基于分解多目标遗传算法的软件生态系统社区检测方法。目前提出的多目标社区检测算法中，分解多目标遗传算法为该问题提出了一个高效的新思路。但是，算法局部搜索能力较差，应用于社区划分问题也需要多角度考虑具体的软件生态系统的社区结构特征。基于此，本章针对具体特征提出节点归属度函数作为社区检测问题模型的目标函数，并利用基于节点归属度函数的标签传播算法进行编码初始化，为算法提供一个高效的初始解。在此基础上，具体分析改进个体混合交叉策略，并融合模拟退火算子以提高算法的局部进化能力。
-
公开(公告)号：CN110245252A
公开(公告)日：2019-09-17
申请号：CN201910495207.3
申请日：2019-06-10
Applicant: 中国矿业大学
Abstract: 本发明公布了基于遗传算法的机器学习模型自动生成方法。传统的机器学习方法，当对模型的需求或模型的应用领域发生变化时，都需要开发者频繁地调整超参数、改造算法的结构，从而耗费大量人力物力。本发明通过对基于遗传算法的机器学习的研究，提出了用于自动生成机器学习模型的算法，可以自动生成多领域的，符合不同现实需求的机器学习模型。
-
公开(公告)号：CN105930272B
公开(公告)日：2018-10-02
申请号：CN201610257126.6
申请日：2016-04-22
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明公布了一种基于重要语句的分支覆盖测试数据生成方法，旨在可以高效地生成覆盖目标分支的测试数据。具体步骤如下：(1)利用弱变异测试转化方法对原程序进行转化；(2)根据语句重要度指标体系对原程序语句进行排序；(3)基于以重要度排序后的原程序语句序列，确定相应的变异分支优先级；(4)建立以分支覆盖为准则的测试数据生成问题的数学模型；(5)设计适应度函数，以优先级最高的变异分支为目标；(6)设置相关遗传操作，采用遗传算法生成覆盖目标分支的测试数据。
-
公开(公告)号：CN104750610B
公开(公告)日：2018-01-09
申请号：CN201510140052.3
申请日：2015-03-24
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于占优度的消息传递并行程序变异体约简方法，该方法包括：形成消息传递并行程序弱变异测试转化后的新程序；确定新程序中各变异条件语句真分支之间的占优关系；计算新程序中各变异条件语句真分支之间的占优度和各变异条件语句真分支的被占优度；得到冗余的变异条件语句真分支并进行约简；得到约简后的变异条件语句真分支和变异体。本技术方案针对消息传递并行程序弱变异测试转化后的新程序，根据变异条件语句真分支之间的占优度和各变异条件语句真分支的被占优度对变异体进行约简，不仅减少了变异体的数量，还提高了变异测试的效率，为消息传递并行程序的变异体约简问题提供了一种有效的解决思路。
-
Patent Agency Ranking
公开(公告)号：CN104750610A
公开(公告)日：2015-07-01
申请号：CN201510140052.3
申请日：2015-03-24
Applicant: 中国矿业大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于占优度的消息传递并行程序变异体约简方法，该方法包括：形成消息传递并行程序弱变异测试转化后的新程序；确定新程序中各变异条件语句真分支之间的占优关系；计算新程序中各变异条件语句真分支之间的占优度和各变异条件语句真分支的被占优度；得到冗余的变异条件语句真分支并进行约简；得到约简后的变异条件语句真分支和变异体。本技术方案针对消息传递并行程序弱变异测试转化后的新程序，根据变异条件语句真分支之间的占优度和各变异条件语句真分支的被占优度对变异体进行约简，不仅减少了变异体的数量，还提高了变异测试的效率，为消息传递并行程序的变异体约简问题提供了一种有效的解决思路。
-
公开(公告)号：CN114281397B
公开(公告)日：2024-10-15
申请号：CN202111239407.6
申请日：2021-10-25
Applicant: 中国矿业大学
Abstract: 本发明公布了基于分解多目标遗传算法的软件生态系统社区检测方法。目前提出的多目标社区检测算法中，分解多目标遗传算法为该问题提出了一个高效的新思路。但是，算法局部搜索能力较差，应用于社区划分问题也需要多角度考虑具体的软件生态系统的社区结构特征。基于此，本章针对具体特征提出节点归属度函数作为社区检测问题模型的目标函数，并利用基于节点归属度函数的标签传播算法进行编码初始化，为算法提供一个高效的初始解。在此基础上，具体分析改进个体混合交叉策略，并融合模拟退火算子以提高算法的局部进化能力。
-
公开(公告)号：CN111459790B
公开(公告)日：2023-07-25
申请号：CN201911343498.0
申请日：2019-12-24
Applicant: 中国矿业大学
Abstract: 本发明公布了一种基于遗传算法的消息传递接口程序分支覆盖测试方法，旨在针对消息传递接口程序高效生成覆盖所有分支的测试套件。具体步骤如下：(1)，基于收集覆盖信息的探针，定义最小归一化分支距离；(2)，基于定义的最小归一化分支距离，设计出目标函数；(3)，使用遗传算法生成进化个体，并基于设计的目标函数，计算这些个体的目标函数值，直到生成覆盖所有分支的测试套件或达到最大进化代数，终止算法。
-
公开(公告)号：CN115599659A
公开(公告)日：2023-01-13
申请号：CN202110766603.2
申请日：2021-07-07
Applicant: 中国矿业大学(CN)
Abstract: 本发明公布了一种基于进化算法的并行程序测试路径选择方法，旨在生成用于软件测试中具有代表性的并行程序路径。具体步骤如下：(1)，基于控制流图、dd图获取程序的基础路径集；(2)，基于定义的路径集覆盖难度和并行通信指标等涉目标函数，建立多目标优化模型(3)，使用基于NSGA‑II多目标进化算法，生成Pareto最优解集，之后选择其中包含边数最多的路径集作为目标路径集。
-
公开(公告)号：CN111352830A
公开(公告)日：2020-06-30
申请号：CN202010008504.3
申请日：2020-01-06
Applicant: 中国矿业大学
Abstract: 本发明公布了基于语句占优关系的变异测试数据进化生成方法。变异测试的关键问题之一是要在短时间内生成有效杀死变异体的测试数据。随着程序的规模和复杂程度的日益增加，在传统的变异测试准则下，需要同时运行被测程序和变异体，以检测变异体是否被杀死，这势必会影响变异测试效率。本文首先给出基于语句占优关系的变异测试准则，在此基础上建立了基于语句占优关系的变异测试数据生成问题的数学模型，并给出相应的进化优化求解方法。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.063 seconds)
