论文：基于粒子群优化的测试数据生成及其实证分析－－－－－生成过程以及实验（计算机研究与发展）

来源：２０１２年版的计算机研究与发展期刊

基于ＰＳＯ的测试数据生成

（１）　核心问题：  如何保证PSO搜索算法和测试过程的协作运行

 算法的基本的流程：

（1）对被测程序P进行静态分析并完成： 1.  提取程序的 接口信息；2. 依据测试覆盖准则C对相应的程序结构元素进行 插装                         处理（？？插装处理？？）；3.构造出 适应准则C的适应函数。

(2)   将程序的输入参数编码表示成 粒子的位置向量，同时，完成初始化（编码的目的就是将程序中需要的变量数值转化为粒子群中的位置信息，然后通过粒子群算法 完成迭代的 更新）

（3） 按照 粒子群算法完成位置的迭代更新，然后将其进行解码，使得其 能够轻易作为程序的输入 参数，在程序中给予验证 优劣。驱动运行被测程序Ｐ 并收集对应的覆盖信息

(4)    经过粒子群算法产生新的 位置，然后对位置信息进行解码，解码之后再重新 输入到程序中，通过输入 程序中的得到其具体的覆盖性信息，作为粒子适应度的一种评测，并记录最优的 最好的更新gbest 以及pbest

（5） 最后，更新迭代次数并判断是否符合种群演化的终止条件

 

适应函数的构造

 

        公式（3）中的权重w并不瞎造的。它具体的是和“分支的嵌套深度”以及“谓词类型” 有关

 

 

 

 评测不同的算法的指标：

实验部分：

具体的实验中各个指标的数据以及相应的图形。（我觉的实验部分挺充实的，图形也好看）