CN111782544A - 一种基于多种群遗传算法的软件无线电符合性测试方法 - Google Patents
一种基于多种群遗传算法的软件无线电符合性测试方法 Download PDFInfo
- Publication number
- CN111782544A CN111782544A CN202010710102.8A CN202010710102A CN111782544A CN 111782544 A CN111782544 A CN 111782544A CN 202010710102 A CN202010710102 A CN 202010710102A CN 111782544 A CN111782544 A CN 111782544A
- Authority
- CN
- China
- Prior art keywords
- test
- test sequence
- population
- individuals
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Abstract
本发明涉及一种基于多种群遗传算法的软件无线电符合性测试方法,解决针对某些功能或者整个系统的循环测试的问题。本方法能根据软件无线电符合性测试的特性,构造抽象组件模型,生成可行的测试序列,构造能够实现测试全覆盖的测试序列集,并采用多种群遗传算法对这个测试序列集进行优化,尽可能的提高测试效率,减少测试用时,弥补了国内对软件无线电符合性测试研究的空缺,为后续的测试自动化的研究奠定了较好的基础。
Description
技术领域
本发明涉及一种基于多种群遗传算法的软件无线电(Software DefinitionRadio,以下简称SDR)符合性测试方法,具体来说,涉及一种基于多种群遗传算法的软件通信体系架构(Software Communications Architecture,以下简称SCA)符合性测试方法。
背景技术
SDR技术是当前非常流行的一种无线电通信技术,兴起于上世纪90年代,它通过将软件、硬件与无线电技术有机地结合,组成具有很强灵活性和开放性的系统。SDR的基本思想是以一个通用的硬件平台作为依托,通过软件编程的方式来实现电台所需的各种功能,从而将无线电技术从传统的基于硬件平台的电台技术中释放,使其拥有更强的灵活性与扩展性。
联合战术网络中心(JTNC)发布了关于软件无线电体系结构的标准规范集即SCA标准,并为美军软件无线电所强制采用,该标准是针对通信设备缺乏互操作性而制定的标准,一个符合SCA标准的软件无线电系统通过定义设备组件对底层硬件进行屏蔽,从而实现上层应用与底层硬件相互分离,使得具体应用不在依赖于具体硬件,保证波形应用的跨平台性和通用性。为建立一个标准化的、不依赖于具体硬件的,并主要应用于波形的开发与实现的软件框架,联合战术网络中心(JTNC)发布的关于软件无线电体系结构的标准规范集即SCA规范,并为美军软件无线电所强制采用。该规范是系统顶层的设计规范,它涉及到SDR系统的软件、硬件体系结构以及上层应用程序的接口。SCA体系结构分为6层:总线驱动和板级硬件驱动层;网络和串行接口服务层;POSIX操作系统接口层;CORBA中间件层;核心框架(Core Framework,以下简称CF)层;应用层。
SCA规范是软件无线电系统顶层的设计规范,它涉及到软件无线电系统的软件、硬件体系结构和上层应用程序的接口。SCA体系结构分为6层:总线驱动和板级硬件驱动层;网络和串行接口服务层;POSIX操作系统接口层;CORBA中间件层;核心框架(CoreFramework,以下简称CF)层;应用层。其中CF是SCA体系结构的重要组成部分,其包含一组应用编程接口、组件。
CF是SCA的重要组成部分,主要是提供了基本接口、配置文件、组件的定义以及组件的功能和聚合要求。接口采用接口定义语言(IDL)进行定义;配置文件主要采用可扩展描述语言(XML)进行编写,主要用于描述组件的结构以及功能;组件是接口和配置文件的载体,与一个或多个配置文件相关联,并通过实现对应的接口,以具备相应的功能。所有组件都必要实现CF所提供的基本接口,以便CF能够使用统一的方式进行访问和控制。
SCA规范是一个基于系统顶层的框架设计规范,它规定了软件无线电系统的基本组成、各组件对应功能和接口标准,但并没有限制具体的系统实现方式。而软件无线电系统会在各种不同的硬件平台上运行,由于具体硬件不同的原因,导致各研究单位生产的软件产品存在各种差异,为了保证波形应用的通用性和跨平台性,必须对这些软件产品进行符合性测试,验证其是否符合SCA规范。
符合性测试对于保障软件无线电系统的通用性起着至关重要的作用,目前国内外对SCA符合性测试方面的研究尚处于起步阶段,尤其缺乏自动化测试的方法,在实际的测试过程中存在各种问题,导致难以实现测试自动化,现阶段面临的主要问题是:
(1)组件在测试过程中会存在一些状态属性,如初始化、连接等,这些状态属性会随着测试的推进而产生变化,一些需求的测试要求组件处于某一状态下才能进行。
(2)在SDR系统中,对于任意组件的符合性测试都包含大量的测试需求,传统的测试方法是人工指定测试,容易造成遗漏,并且由于测试间的相互影响,还可能造成错误的测试结果。
(3)为了保证SDR系统能够正常的运行,一些重要的需求需要进行循环多次测试。如何自动化构建测试序列,能够实现针对某些功能或者整个系统的循环测试,是当前面临的一个难题。
发明内容
为解决针对某些功能或者整个系统的循环测试的问题,基于现阶段SCA符合性测试面临的问题,本发明结合多种群遗传算法(Multi-Population Genetic Algorithm,以下简称MPGA)的原理,提出了一种SCA符合性测试的测试序列构造方法,以及对测试序列优化方法。该方法能够有效的分析符合性测试过程中,系统组件存在的各种状态,结合需求测试间的依赖关系,知道测试序列的构建,并对测试序列进行优化,降低测试用时。
MPGA是在传统遗传算法的基础上进行改进,并引入多种群的概念而形成的算法。MPGA每个种群都是传统遗传算法中的种群,被称之为子种群。每个子种群都会进行独立的遗传操作,不同的种群使用不同的参数控制搜索,每相隔一定代数,种群之间按照某种策略发生个体迁移,实现多种群协同进化。
相较于传统的遗传算法,MPGA具有更快的收敛速度,其搜索范围更广,由于采用多种群的形式,且不同种群的搜索策略不同,因此可以有效的克服使用传统遗传算法时容易陷入局部最优解的问题。
基于多种群遗传算法的软件无线电符合性测试方法,包含以下步骤:
步骤一、在SCA规范中,每个测试需求都有对应的测试用例,对这些测试用例进行分析,确定测试用例执行的前置条件、测试过程中引发的事件、测试用例执行后对整个组件的影响,将需求测试抽象为event[condition]/action的标签形式,采用XML格式进行描述。式中,event表示为测试引发的事件,condition为测试的前置条件,action为该测试对组件状态造成的影响,任意字段均可为空。通过对测试前置条件的限制,可以有效地解决需求测试间存在复杂依赖关系的情况。
步骤二、构造抽象待测组件模型。抽象待测组件模型由一个需求测试列表和一个状态变量表构成。需求测试列表用于记录待测组件需要进行的需求测试,列表中每一项需求测试均为event[condition]/action的形式。状态变量表用于记录当前组件中存在的各种变量的情况,如是否初始化、连接数、负荷数等,通过变量来表示组件当前的状态。
步骤三、构造测试序列。测试序列由多个需求测试构成,表示测试的执行顺序。将状态变量表与需求测试列表中的condition进行对照,可筛选出当前可执行的需求测试集,每次从这个需求测试集中随机抽选一个需求测试,加入到测试序列中,并根据该需求测试的action对状态变量表进行调整,反复这个过程。在实际的测试过程中为保证测试的覆盖度,要对组件进行反复的初始化、释放,因此定义每条序列都由组件初始化测试开始,到组件释放测试结束。
步骤四、构造测试序列集。反复的构造测试序列,加入到测试序列集中,直到测试序列集能够对所有需求测试实现全覆盖。为了避免测试路径集过小,设置一个最小值,测试序列集的规模必须到达这个最小值。
步骤五、采用基于集合的贪心算法,对测试序列集进行挑选,生成遗传个体。测试序列由多个需求测试构成,其执行时间为构成该测试序列的所有需求测试的运行时间的总和,如公式(1)所示:
公式(2)中,Wi为测试序列的适应度,是测试序列的执行时间,reqi为该序列覆盖到的测试需求集,C为当前已被覆盖的测试需求集。以测试序列个体能为测试集合增加的覆盖需求数量和造成的时间开销来评估测试序列的优劣,因为选择目标是测试用时最短,故将评估函数取反。每次从该测试序列集中抽取评估函数最大的测试序列,加入到一个新的测试序列集中,并对原测试序列集的评估函数进行更新,直到新的测试序列集能够对需求测试实现全覆盖,新的测试序列集将作为遗传算法的个体。
步骤六、重复上述二至五的步骤,直到生成足够数量的个体。
步骤七、设置个体适应度函数:
公式(3)中,每个个体的适应度函数为该测试序列集运行测试的总时间取反。将所有个体根据适应度函数分为n个子种群,每个子种群各自进行遗传操作,遗传操作如下:
(1)采用锦标赛选择法选择新的子种群,每次随机的从子种群中选取一定数目的个体,保留最好的个体。
(2)在新子种群中以等概率随机挑选两个个体进行交叉概率的判定,若不进行交叉,适应度高的个体直接进入下一代。交叉概率采用自适应概率:
公式(4)中k1、k2为经验常数,一般设置为0.9和0.6。fmax是当前种群中最大的适应度f’表示被选中进行交叉的两个个体中适应度较大的那个。交叉操作主要是对两个个体中的测试序列进行随机的交换,交换完成后需要参照步骤三至五对个体进行补全。
(3)在进行交叉后,新子种群中所有个体进行变异概率判定。若发生变异,则从个体从抽取一定数量的测试序列,随机抽取该测试序列中的某一需求测试,以此为变异点,进行前段测试序列重构或后段重构。变异概率采用自适应概率:
公式(5)中k3、k4为经验常数,一般设置为0.1和0.001。fmax是当前子种群中最大的适应度f表示被选中进行交叉的两个个体中适应度较大的那个。变异完成后需要参照步骤三至五对个体进行补全。
(4)每相隔m代,各子种群按照一定比例进行子种群间的个体交流。
(5)重复迭代,直到达到最大迭代数。
步骤八、比较各种群中的个体,输出最优解。
本发明对于SDR符合性测试的增益:
(1)本发明提出了构建抽象待测组件模型的方法,有利于对组件的需求测试进行管理;
(2)基于组件的状态列表和需求测试表,对测试条件进行判断,构造可行的测试序列,避免测试产生错误的结果,同时为测试自动化奠定基础;
(3)基于时间考虑,采用MPGA对测试序列进行优化,能够很好的提升测试效率。
附图说明
图1为待测组件抽象模型图,
图2为遗传算法个体生成流程图,
图3为MPGA对测试序列集进行优化的整体流程图,
图4为遗传操作流程图,
图5为种群间个体迁移示例图。
具体实施方案
本发明一种基于多种群遗传算法的软件通信体系架构(SoftwareCommunications Architecture,以下简称SCA)符合性测试方法,该方法能够有效的分析需求测试间的依赖关系,生成可行测试序列,采用多种群遗传算法对测试序列进行优化,降低测试用时,提高测试效率,并为测试自动化提供支撑。下文将结合附图对本发明作进一步的说明:
图1是本发明中待测组件抽象模型图,描述的是SCA符合性测试过程中组件状态和需求测试之间的关系,由需求测试列表和组件状态变量表两部分组成。需求测试列表由该组件需要进行的需求测试构成,每一项需求测试都是event[condition]/action,分别代表着触发事件、执行条件以及执行操作,任意标签可以为空。状态变量表记录组件在运行过程中存在的各种属性变量,如连接数、载荷数或一些布尔类型的状态标识,通过这些变量来表征组件的状态。测试系统在构造测试序列时,每次根据状态变量表与各项需求测试的condition进行对比,筛选出符合条件的需求测试,选择一项加入到测试序列中,并根据选择的需求测试的action改变当前组件的状态变量表,反复这个过程,直到测试序列满足条件。
图2是遗传算法个体生成流程图,每个个体都应是一个能够实现需求测试全覆盖的测试序列集,首先测试系统根据待测组件抽象模型,不断生成测试序列,加入到初始测试序列集中,直到这个初始测试序列集能够实现对所有需求测试的全覆盖,为了由初始测试序列集生成的遗传个体具有一定的优越性,还应保证这个初始测试序列集具有一定的规模。当初始测试序列集达到要求后,采用基于贪心算法对其进行挑选,最终得到的新测试序列集即为遗传个体。
图3是MPGA对测试序列集进行优化的整体流程图,首先根据图2的流程生成足够多的遗传个体,根据具体需求,将这些个体分成过个若干子种群,每个子种群各自进行遗传操作,直到迭代次数达到迁移间隔,各种群间进行个体迁移,形成新的子种群,继续进行遗传操作。反复这个过程直到达到最大迭代数,或者得到最优解,将最优解输出。
图4为遗传操作流程图。如图所示,首先应根据公式(3)计算每一个个体的适应度,采用竞标赛选择法选择进入下一代的个体,在以等概率抽取个体进行根据公式(4)交叉判定,若不进行交叉,则适应度较高的个体直接进入下一代,进行交叉的个体将其测试序列进行随机的交换,交换完成后,为了保证个体的覆盖度,需参照步骤三对其进行补全,之后再参照步骤五中基于集合的贪心算法对其进行挑选,保证其优秀度。交叉完成之后,对所有个体进行变异判断,参照公式(5),变异完成之后也需要对所有个体进行补全、挑选操作。
图5是种群间个体迁移示例图,该图描述的是多种群间的迁移策略,采用单向环形迁移。子种群挑选一定比例的优秀个体,用这些优秀个体替换下一子种群中最差的一些个体。
综上所述,本发明提出了一种基于多种群遗传算法的软件无线电符合性测试方法,该方法能根据软件无线电符合性测试的特性,构造抽象组件模型,生成可行的测试序列,构造能够实现测试全覆盖的测试序列集,并采用多种群遗传算法对这个测试序列集进行优化,尽可能的提高测试效率,减少测试用时,弥补了国内对软件无线电符合性测试研究的空缺,为后续的测试自动化的研究奠定了较好的基础。
Claims (5)
1.一种基于多种群遗传算法的软件无线电符合性测试方法,包含以下步骤:
步骤一、对SCA规范集进行分析,确定测试用例执行的前置条件、测试过程中引发的事件、测试用例执行后对整个组件的影响,将需求测试抽象为event[condition]/action的标签形式;
步骤二、构造抽象待测组件模型,抽象待测组件模型由一个需求测试列表和一个状态变量表构成;
步骤三、构造测试序列,测试序列由多个需求测试构成,表示测试的执行顺序;
步骤四、构造测试序列集,构造测试序列,加入到测试序列集中,直到测试序列集能够对所有需求测试实现全覆盖;
步骤五、采用基于集合的贪心算法,对测试序列集进行挑选,生成遗传个体;
步骤六、重复上述二至五的步骤,直到生成足够数量的个体;
步骤七、将个体分成n个子种群,每个子种群独立进行遗传操作,当达到迭代次数,进行子种群间的个体迁移;
步骤八、比较各种群中的个体,输出最优解。
2.根据权利要求1所述的一种基于多种群遗传算法的软件无线电符合性测试方法,其特征在于,
所述event表示为测试引发的事件,condition为测试的前置条件,action为该测试对组件状态造成的影响,任意字段均可为空。
3.根据权利要求1所述的一种基于多种群遗传算法的软件无线电符合性测试方法,其特征在于,
采用基于集合的贪心算法进行挑选,具体为设置一个评估函数,每次挑选评估函数最大的测试序列,加入到新的测试序列集中,并更新余下测试序列的评估函数,反复这个过程,直到新的测试序列能够实现需求测试全覆盖。
5.据权利要求1所述的一种基于多种群遗传算法的软件无线电符合性测试方法,其特征在于,所述遗传操作如下:
(1)采用锦标赛选择法选择新的子种群,每次随机的从子种群中一定数目的个体,保留最好的个体;
(2)在新子种群中以等概率随机挑选两个个体进行交叉概率的判定,若不进行交叉,适应度高的个体直接进入下一代,交叉概率采用自适应概率:
公式(4)中k1、k2为经验常数,一般设置为0.9和0.6,fmax是当前种群中最大的适应度f’表示被选中进行交叉的两个个体中适应度较大的那个;
(3)在进行交叉后,新子种群中所有个体进行变异概率判定,若发生变异,则从个体从抽取一定数量的测试序列,随机抽取该测试序列中的某一需求测试,以此为变异点,进行前段测试序列重构或后段重构,变异概率采用自适应概率:
公式(5)中k3、k4为经验常数,一般设置为0.1和0.001,fmax是当前种群中最大的适应度f表示被选中进行交叉的两个个体中适应度较大的那个;
(4)每相隔m代,各子种群进行子种群间的个体交流;
(5)重复迭代,直到达到最大迭代数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710102.8A CN111782544B (zh) | 2020-07-22 | 2020-07-22 | 一种基于多种群遗传算法的软件无线电符合性测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710102.8A CN111782544B (zh) | 2020-07-22 | 2020-07-22 | 一种基于多种群遗传算法的软件无线电符合性测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111782544A true CN111782544A (zh) | 2020-10-16 |
CN111782544B CN111782544B (zh) | 2022-09-06 |
Family
ID=72763785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010710102.8A Active CN111782544B (zh) | 2020-07-22 | 2020-07-22 | 一种基于多种群遗传算法的软件无线电符合性测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111782544B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113206712A (zh) * | 2021-05-11 | 2021-08-03 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN113342699A (zh) * | 2021-07-26 | 2021-09-03 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN113434374A (zh) * | 2021-06-17 | 2021-09-24 | 华东师范大学 | 基于多线程的posix标准的实时操作系统内存管理算法性能测试方法及系统 |
CN114401211A (zh) * | 2022-01-17 | 2022-04-26 | 重庆邮电大学 | 一种工业无线网络设备接入IPv6网络的测试系统及测试方法 |
CN114554537A (zh) * | 2022-02-25 | 2022-05-27 | 中国人民解放军国防科技大学 | 一种基于软件通信体系结构的mac组件一致性测试方法 |
CN117171055A (zh) * | 2023-11-02 | 2023-12-05 | 成都谐盈科技有限公司 | 基于深度优先的软件无线电符合性测试方法 |
CN117632620A (zh) * | 2024-01-26 | 2024-03-01 | 中国人民解放军军事科学院系统工程研究院 | 一种用于软件无线电设备测试的管理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274142A (zh) * | 2020-01-20 | 2020-06-12 | 中国人民解放军国防科技大学 | 一种基于扩展有限状态机的软件通信体系架构符合性测试建模方法 |
CN111400176A (zh) * | 2020-03-10 | 2020-07-10 | 中国船舶工业综合技术经济研究院 | 高可信软件的测试序列生成方法及系统、测试方法及系统 |
-
2020
- 2020-07-22 CN CN202010710102.8A patent/CN111782544B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274142A (zh) * | 2020-01-20 | 2020-06-12 | 中国人民解放军国防科技大学 | 一种基于扩展有限状态机的软件通信体系架构符合性测试建模方法 |
CN111400176A (zh) * | 2020-03-10 | 2020-07-10 | 中国船舶工业综合技术经济研究院 | 高可信软件的测试序列生成方法及系统、测试方法及系统 |
Non-Patent Citations (2)
Title |
---|
戚荣志等: "基于Spark的并行化组合测试用例集生成方法", 《计算机学报》 * |
费雯悦: "一种基于改进遗传算法的测试用例自动生成研究", 《北京石油化工学院学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113206712B (zh) * | 2021-05-11 | 2022-03-25 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN113206712A (zh) * | 2021-05-11 | 2021-08-03 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN113434374B (zh) * | 2021-06-17 | 2022-10-25 | 华东师范大学 | 一种实时操作系统内存管理算法性能测试方法及系统 |
CN113434374A (zh) * | 2021-06-17 | 2021-09-24 | 华东师范大学 | 基于多线程的posix标准的实时操作系统内存管理算法性能测试方法及系统 |
CN113342699A (zh) * | 2021-07-26 | 2021-09-03 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN113342699B (zh) * | 2021-07-26 | 2023-08-04 | 中南大学 | 一种软件无线电符合性测试方法及系统 |
CN114401211A (zh) * | 2022-01-17 | 2022-04-26 | 重庆邮电大学 | 一种工业无线网络设备接入IPv6网络的测试系统及测试方法 |
CN114401211B (zh) * | 2022-01-17 | 2023-05-12 | 重庆邮电大学 | 一种工业无线网络设备接入IPv6网络的测试系统及测试方法 |
CN114554537A (zh) * | 2022-02-25 | 2022-05-27 | 中国人民解放军国防科技大学 | 一种基于软件通信体系结构的mac组件一致性测试方法 |
CN114554537B (zh) * | 2022-02-25 | 2024-01-23 | 中国人民解放军国防科技大学 | 一种基于软件通信体系结构的mac组件一致性测试方法 |
CN117171055A (zh) * | 2023-11-02 | 2023-12-05 | 成都谐盈科技有限公司 | 基于深度优先的软件无线电符合性测试方法 |
CN117171055B (zh) * | 2023-11-02 | 2024-01-09 | 成都谐盈科技有限公司 | 基于深度优先的软件无线电符合性测试方法 |
CN117632620A (zh) * | 2024-01-26 | 2024-03-01 | 中国人民解放军军事科学院系统工程研究院 | 一种用于软件无线电设备测试的管理方法及装置 |
CN117632620B (zh) * | 2024-01-26 | 2024-03-29 | 中国人民解放军军事科学院系统工程研究院 | 一种用于软件无线电设备测试的管理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111782544B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111782544B (zh) | 一种基于多种群遗传算法的软件无线电符合性测试方法 | |
Holzmann | Tracing protocols | |
Gong et al. | Community detection in dynamic social networks based on multiobjective immune algorithm | |
CN111274142B (zh) | 一种基于扩展有限状态机的软件通信体系架构符合性测试建模方法 | |
CN103235743B (zh) | 一种基于分解和最优解跟随策略的多目标测试任务调度方法 | |
US9129244B2 (en) | Linked decision nodes in a business process model | |
US20230112223A1 (en) | Multi-stage fpga routing method for optimizing time division multiplexing | |
Palla et al. | Statistical mechanics of topological phase transitions in networks | |
CN104239213A (zh) | 一种面向航天器自动化测试的并行测试任务两阶段调度方法 | |
Gupta et al. | Using genetic algorithm for unit testing of object oriented software | |
CN110659284A (zh) | 基于树图结构的区块定序方法及系统、数据处理终端 | |
CN109582558A (zh) | 一种基于efsm模型的最小成本测试用例生成方法 | |
CN110287088B (zh) | 一种基于动态ui模型的自动化测试方法 | |
CN110098964A (zh) | 一种基于蚁群算法的部署优化方法 | |
CN109409592A (zh) | 动态环境下移动机器人的最优策略解决方法 | |
CN114461368A (zh) | 一种基于协同果蝇算法的多目标云工作流调度方法 | |
CN113206712B (zh) | 一种软件无线电符合性测试方法及系统 | |
CN113157562A (zh) | 一种基于扩展有限状态机模型的测试用例生成方法及平台 | |
CN110866586A (zh) | 用于受资源约束多项目调度的改进遗传规划算法优化方法 | |
CN110995518A (zh) | 一种交换机测试组网自动调度方法 | |
CN116028375B (zh) | 基于图论的代码测试方法 | |
Piparia et al. | Combinatorial testing of context aware android applications | |
CN113723937B (zh) | 一种基于启发式规则遗传算法的测发项目双层排期方法 | |
US20160104066A1 (en) | Optimization method for a computer system | |
US20220188714A1 (en) | System and Method for Automatic Learning and Selecting of a Candidate Workflow Representative of Machine Learning Flow Set |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |