1、測(cè)試數(shù)據(jù)自動(dòng)生成是軟測(cè)領(lǐng)域的研究熱點(diǎn)問題之一，而粒子群優(yōu)化算法因其實(shí)現(xiàn)簡(jiǎn)單、參數(shù)少、收斂快，能快速自動(dòng)為被測(cè)程序生成測(cè)試數(shù)據(jù)；在軟件工程中，測(cè)試工作占據(jù)很大的份額，因此對(duì)提升測(cè)試效率，縮減開發(fā)時(shí)間有重大意義。但粒子群算法有早熟性、收斂精度低和局部搜索性能低等缺陷。本文對(duì)該算法在自動(dòng)生成測(cè)試數(shù)據(jù)領(lǐng)域應(yīng)用進(jìn)行研究，針對(duì)其缺點(diǎn)做出優(yōu)化改進(jìn)，提出了混合動(dòng)態(tài)粒子群算法思想，編程實(shí)現(xiàn)了基于混合動(dòng)態(tài)粒子群算法的測(cè)試數(shù)據(jù)自動(dòng)生成，通過實(shí)驗(yàn)顯示此優(yōu)化算法

2、在測(cè)試數(shù)據(jù)自動(dòng)生成上具有獨(dú)特優(yōu)勢(shì)。主要工作有以下幾點(diǎn)：
　?。?）針對(duì)粒子群算法存在早熟性和局部搜索性能差的缺陷，在定量研究粒子群聚集度和收斂程度大小基礎(chǔ)上，提出一種基于離散度大小的動(dòng)態(tài)調(diào)整粒子群參數(shù)的優(yōu)化算法。在討論了基于搜索的測(cè)試數(shù)據(jù)自動(dòng)生成的模型前提下，以分支路徑覆蓋作為測(cè)試判別標(biāo)準(zhǔn)，將優(yōu)化算法應(yīng)用于生成測(cè)試數(shù)據(jù)；并在考慮分支謂詞的結(jié)構(gòu)特征前提下，引入一種新的適應(yīng)度構(gòu)造函數(shù)。通過對(duì)公開的測(cè)試程序集進(jìn)行對(duì)比試驗(yàn)，從路徑的平均收

3、斂代數(shù)和搜索時(shí)間兩個(gè)方面證實(shí)：改進(jìn)后的算法比基本的粒子群算法和參數(shù)線性變化的粒子群算法具有優(yōu)勢(shì)。
　?。?）針對(duì)全連接拓?fù)浣Y(jié)構(gòu)的粒子群算法在生成測(cè)試數(shù)據(jù)過程中，存在收斂精度低，易陷入局部極值的問題，提出一種混合粒子群算法，并應(yīng)用于測(cè)試數(shù)據(jù)自動(dòng)生成。該算法在保證全局收斂性的前提下，對(duì)多樣性匱乏的種群，首先采用定長(zhǎng)環(huán)形拓?fù)浣Y(jié)構(gòu)取代粒子群的全連接拓?fù)浣Y(jié)構(gòu)；其次，選擇候選解時(shí)選用輪盤賭方法，更新粒子位置信息和速度信息；最后引入條件禁忌算法

4、，對(duì)處于局部極值的粒子采取禁忌處理。通過實(shí)驗(yàn)比較表明：該算法和基本粒子群算法比較，使粒子群多樣性得到大幅度提升；而在測(cè)試數(shù)據(jù)生成性能上，該算法在模擬退火粒子群算法基礎(chǔ)上，分別對(duì)搜索成功率和路徑覆蓋率提高了10％~15%，且與基本粒子群算法平均耗時(shí)相當(dāng)，表現(xiàn)出獨(dú)有的優(yōu)越性能。
　?。?）在上述研究基礎(chǔ)上，進(jìn)而提出混合動(dòng)態(tài)粒子群算法；采用混合粒子群算法和離散度動(dòng)態(tài)粒子群算法進(jìn)行有機(jī)結(jié)合，采用MATLAB語言演示其核心程序?qū)崿F(xiàn)；以三角形