基于剖面拓扑的三维矢量数据自动生成算法研究

地学三维矢量数据生成长期以来一直是三维GIS研究中的一个难点,该文将传统二维GIS的拓扑关系引入到剖面数据中,提出了一种基于剖面拓扑关系的三维空间实体自动生成的算法,并提出了在该方法下断层问题的解决方案。

基于改进樽海鞘群算法的测试数据自动生成

为了提高软件测试数据自动生成的可靠性,研究了一种改进的樽海鞘群算法自动生成测试数据。首先对樽海鞘群算法引入了人工鱼群算法中的随机行为,改善了樽海鞘个体容易陷入局部最优的问题,充分平衡迭代过程中的探索行为与开发行为;然后根据樽海鞘个体寻优结果引入末位淘汰机制,选择性舍弃适应度值最低的个体,并在搜索空间内随机生成一个新的个体进行种群补充;最后将改进后的樽海鞘群算法应用于基准程序的测试数据自动生成。实验结果表明,改进后的算法能够有效改善个体容易陷入局部最优的问题,正确搜寻到满足测试条件的数据,具有一定的优越性。

基于遗传算法优化的SOFM神经网络生成测试数据集的方法

智能算法正成为软件测试领域新兴研究方向,运用智能算法生成复杂软件的测试数据已成为一种广受推崇的方法。采用基于遗传算法的技术生成测试数据,能够生成满足测试覆盖要求的少量测试数据。然而,对于生成大量测试数据集的情况来说,该方法并不适用。为了能够快速生成满足测试覆盖要求的数据集,提出一种基于遗传算法优化的自组织特征映射(SOFM)神经网络生成测试数据集的方法:首先,利用遗传算法的全局搜索能力,从海量数据中筛选出少量满足测试覆盖要求的代表性数据。接着,以这些遗传算法生成的测试数据为基础,结合SOFM神经网络强大的侧向联想能力,旨在生成大量满足测试覆盖要求的测试数据集。实验结果表明,该方法有效提高了测试数据集生成的效率。

GATEST:使用遗传算法自动生成模拟矢量的验证平台

对硬件设计进行功能验证的一个关键问题是需要大量的模拟矢量来保证验证的充分性。本文针对Verilog语言,采用遗传算法(GeneticAlgorithm,GA)作为解决方案,设计了一个使用遗传算法自动生成模拟矢量的验证平台GATEST。该平台的一个特点是,根据指定的关键信号使用数据流分析产生关键路径集合,并采用基于该集合的路径覆盖率作为适应度函数引导模拟矢量的生成。使用该验证平台对北大众志-863系统芯片的功能模块进行实验,并详细分析了不同控制参数配置下的实验结果,说明该平台具有一定的有效性。

基于GA-PSO算法的路径测试数据自动生成

为了实现测试数据自动生成,许多遗传算法及其改进算法应用到了测试领域。针对遗传算法具有较强的全局搜索能力,但局部搜索能力较弱,且收敛速度慢的特点。将遗传算法与粒子群算法结合起来形成新的混合算法(GA-PSO),并成功应用到软件测试数据自动生成过程中。实验结果表明,该算法结合了遗传算法和粒子群算法的优点,在保证软件测试数据正确生成的情况下,极大地提高了数据生成的效率。

基于遗传算法的动态可变参数的测试数据自动生成工具

测试数据的生成是实现软件测试自动化的关键,这一技术的实现大大节省了软件开发的时间和费用。利用遗传算法的理论与算法特点,建立了动态可变参数的测试数据自动生成工具。通过该工具的可视化界面可以动态地输入遗传算法参数,而且能够根据不同的路径选择输入相应的适应度函数,克服了以往在源代码中修改适应度函数的缺陷。最后通过两个实验,证明了算法的优越性。

应用遗传算法自动生成测试数据的实验分析

将遗传算法应用于覆盖指定路径的测试数据生成已得到了广泛的研究.具体实现中,影响测试数据生成效率的因素很多,如先验知识,GA参数,路径复杂度等.本文在简要介绍应用GA生成测试数据的关键技术后,设计实验分析了影响测试数据生成的部分因素,并据此得出了一些结论.

基于蚁群算法的软件测试数据自动生成

提出了一种基于蚁群算法的测试数据自动生成方法。该方法采用位串形式编码,实现了被测程序输入空间到蚂蚁路径网络的映射模型。根据程序插装函数定义的路径信息素轨迹强度,蚂蚁进行群体协作搜索最佳路径,生成测试数据。在基本蚁群算法基础上,通过引入变异算子和自适应挥发系数,提高了蚂蚁路径的多样性,克服了早熟停滞的缺陷。和模拟退火遗传算法进行了对比实验研究,结果表明了该方法的可行性,生成测试数据的效率优于模拟退火遗传算法。

RTL数据通路模拟矢量自动生成方法研究与实现

针对已有的RTL数据通路模拟矢量自动生成方法的不足 ,提出一种利用约束逻辑编辑 (CLP)自动生成数据通路模拟矢量的新方法 该方法首先对给定的VerilogRTL描述采用程序切片进行设计化简 ,然后对化简后的结果基于位向量算术原理生成CLP约束 ,并利用CLP求解器GProlog进行约束求解 ,最终生成满足输出要求的模拟矢量 该方法约束求解速度快 ,生成的约束是统一的 ,得到的模拟矢量较完备 ,能满足模拟验证的要求 实验结果表明 。

基于遗传算法的IMX系统测试数据自动生成研究

利用遗传算法进行测试数据自动生成是近年来的研究热点,其有效性高度依赖于适应度函数的选取和初始种群的筛选。该文探索将遗传算法应用到IMX(Integrated Management X-software)系统测试数据自动生成以提高其回归测试的质量,将IMX系统专业测试人员手动生成的测试数据作为基础测试数据,并提出一种基于测试路径对目标路径覆盖率的初始种群筛选标准。在三角形程序和IMX系统平台上的实验表明,所提方法在寻找测试数据时所用的时间和迭代次数较少,且生成的测试数据具有较好的多样性。

多维数据模型中维层次结构的自动生成算法及其实现

多维数据模型是数据仓库及联机分析处理的核心,目前主要有两种:星型模型和雪花模型。维层次结构是多维数据模型最重要的概念之一。该文提出了一个算法,它能够在雪花模型中根据维表间的依赖关系构造维的层次结构。指出使用该算法的前提并进行了证明,随后实现了算法。文章最后提出了在星型模型中构造维的层次结构的基本过程。

一种改进PSO的软件测试数据自动生成算法

针对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敛程度大小基础上,提出一种基于离散度大小的动态调整粒子群参数的优化算法(DPPSO).在讨论了搜索的测试数据自动生成的模型基础上,以分支路径覆盖作为测试准则,将优化算法应用于生成测试数据,并在考虑分支谓词的结构特征前提下,引入一种新的适应度构造函数.通过对公开的测试程序集进行对比试验,从路径的平均收敛代数和搜索时间两个方面证实改进后的算法性能优于基本的粒子群算法(BPSO)和参数线性变化的粒子群算法(LPPSO).

一种简单的自动生成矢量汉字库算法

本文提出了一种非常简单的自动生成矢量汉字库的原理和算法。其方法可普遍地用于将各种线体点阵汉字库转化得到相应的矢量汉字库。 文中提出的算法我们已在IBM PC XT上实现,并在很短的时间内生成了一个矢量汉字库,效果是令人满意的。

花朵授粉算法的研究及在测试数据自动生成中的应用

为了提高测试数据自动生成的效率,通过分析基本花朵授粉算法(FPA)的寻优性能,提出一种基于禁忌搜索的自适应步长花朵授粉算法(TS-ASFPA)并将其应用于测试数据的自动生成中.首先针对花朵授粉算法收敛速度慢、寻优精度低的问题,根据当前解的位置状态,提出一个步长因子来实时地对步长的大小进行适应调整,使搜索范围更靠近最优解所在的区域;其次,引入禁忌搜索算法以克服花朵授粉算法易陷入局部极值的缺陷;最后将该算法与其他几种典型的智能算法作比较,通过对公开的测试程序集进行实验对比,表明该算法在测试用例自动生成上的可行性和高效性.

杆系结构三维模型图自动生成的算法与应用

利用AutoCAD提供的DXF数据交换功能，提出了一种新的生成算法。将空间斜杆一次性生成，直接读取空间杆系结构的有限元分析数据或优化设计数据，自动生成其三维模型图。文末给出了该算法在空间塔式起重机和空间网架、网壳造型中的应用。

基于众源数据的自动化制图方法

为解决在传统高精度地图生产中,由于专业测绘采集车辆采集、制图手段的局限性,高精地图制作成本高、周期长、更新不及时等问题,本文采用了一种基于众源车辆进行自动制图的方法。将车端的环境感知结果、惯性导航系统(INS)/全球卫星导航系统(GNSS)组合导航数据等回传,在云端完成三维(3D)数据重建、矢量拓扑构建、成果质检发布等处理,从而完成自动化制图。选取某区域300 km的多场景路段进行实例验证,结果表明,本文所设计的技术方法能够解决高精地图鲜度问题及更新成本问题,可满足快速更新智能驾驶地图的要求,为智能驾驶的落地应用提供地图数据支撑。

三维湿表面自动生成算法研究

：该文介绍的三维湿表面网格的自动生成算法，不但可完成型值表各站型线的等弧长插值拟合，而且还能够在沿船长方向的任意位置上进行站的加密和插值，从而自动生成三维湿表面网格。该算法的实现依赖于一套完整的图形用户界面。此界面用Unix平台的Motif、C和GL编制，友好灵活，方便易用。

基于改进遗传算法的测试数据自动生成的研究

测试数据自动生成是软件测试的基础,也是测试自动化技术实现的关键环节。为了提高测试自动化的效率,在结合测试数据自动生成模型的基础上,提出一种传统遗传算法的改进算法。该算法使用了自适应交叉算子和变异算子,并引入模拟退火机制对其进行改进。同时,该算法还对适应度函数进行了合理的设计,以加速数据的优化过程。通过三角形程序、折半查找和冒泡排序程序,与基本遗传算法、自适应遗传算法进行了比较与分析,并且对改进算法做了性能分析。实验结果表明了该算法的实用性以及在测试数据生成中的可行性和高效性。

数据库自动生成报表的通用算法及其实现

本文从数据库的结构分析入手，给出了一个通用的将数据库自动转化成可用于打印的报表算法。最后，通过一个应用实例实现了本算法。

改进量子遗传算法应用于测试数据自动生成的研究

为了提高测试数据的自动生成效率,提出一种改进的量子遗传算法(IQGA),用以自动生成测试数据.该算法以角度编码染色体,减少染色体存储空间;采用一种新的动态旋转角策略,使种群在测试数据生成的过程中优秀测试数据能得以较好的遗传,促进种群收敛;并通过Hadamard门变异策略提高种群多样性,扩大种群探索路径.利用典型的三角形分类问题进行了验证,实验结果表明,改进的量子遗传算法具有用时短,生成测试数据少,覆盖率高等优点,测试数据自动生成效率高于传统量子遗传算法和遗传算法.