实物编码GA算法NHPP类SRGM预测能力的实验研究

软件可靠性增长模型是软件可靠性工程中一项重要的研究内容.在可靠性增长模型应用的过程中,常常因为模型假设与实际软件开发和调试过程有差异,导致可靠性预测的准确性不高.至今尚没有一种能适应各种软件开发环境的软件可靠性增长模型.为此,某些国外文献提出软件可靠性增长模型的统一框架,及基模型组合方法,以期提高软件可靠性增长模型的预测能力.本文提出了一种实数编码遗传算法,并运用非齐次泊松过程类软件可靠性增长模型统一框架理论及算术、几何、调和加权平均方法,用以优化软件可靠性增长模型的模型系数及其加权系数.该实数编码遗传算法不但克服了二进制遗传算法局部收敛的问题,而且通过从国外文献中随机选取的7个失效计数故障数据集,有效验证了非齐次泊松过程类软件可靠性增长模型的可靠性预测能力和加权组合的预测能力提高效果.

非NHPP类SRGM加权组合预测精度的实验分析

某些国外文献提出了NHPP(Non-homogeneous Poisson Process)类SRGM(Software reliability growth models)的统一框架,以及基于统一框架的模型组合方法,以期提高SRGM的预测能力。参考NHPP类SRGM统一框架理论,运用算术、几何、调和加权平均方法,优化非NHPP类SRGM的模型系数及其加权系数。随机选取6个失效时间间隔故障数据集,验证了某些非NHPP类(Markov类、贝叶斯)SRGM的预测能力及其加权组合的效果。实验结果表明,即使到目前为止,非NHPP类SRGM尚没有所谓的统一框架理论,但基于实数编码GA算法的加权平均方法依然可以在某种程度上提高SRGM的预测能力。