تحلیل مقایسه ای بهبودهای اخیر الگوریتم بهینه سازی ازدحام ذرات در تولید خودکار داده های آزمون نرم افزار

doi
چکیده

این مطالعه به بررسی بهبودهای الگوریتم‌های بهینه‌سازی ازدحام ذرات (PSO) برای تولید خودکار داده‌های آزمون نرم‌افزار می‌پردازد و بر پوشش مسیر در نرم افزارها تمرکز دارد . PSO به دلیل مقیاس‌پذیری و سادگی ارزشمند است و از طریق بهبودهای مختلف الگوریتمی برای رفع چالش‌هایی مانند گیر افتادن در بهینه محلی و ناکارآمدی همگرایی ارتقا یافته است. در این مقاله ده نسخه بهبود یافته اخیر PSO را در برنامه‌های معیار ارزیابی می‌کند و عملکرد آنها را بر اساس پوشش، زمان اجرا و نرخ موفقیت مقایسه می‌نماید. در میان این الگوریتم‌ها، الگوریتم A5 عملکرد برتری را نشان داده و در ایجاد توازن بین اکتشاف و بهره‌برداری، تنوع جمعیت و کارایی همگرایی به طور چشمگیری برتر عمل کرده است. نتایج تجربی، کارآمدی رویکردهای فراابتکاری را در تولید داده‌های آزمون در فضای جستجوی بزرگ نشان می دهد. همچنین الگوریتم A5 را به‌عنوان یک راه‌حل پیشرو جهت تولید داده آزمون در فرآیندهای آزمون نرم‌افزار معرفی می‌کند .