| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究背景与意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.4 本文主要内容 | 第18-19页 |
| 1.5 本文内容安排 | 第19-20页 |
| 1.6 本章小结 | 第20-21页 |
| 第2章 预备知识 | 第21-32页 |
| 2.1 差分进化算法 | 第21-24页 |
| 2.1.1 种群初始化操作 | 第21-22页 |
| 2.1.2 变异操作 | 第22-23页 |
| 2.1.3 交叉与选择操作 | 第23-24页 |
| 2.2 自适应差分进化算法 | 第24-26页 |
| 2.3 软件测试用例自动生成技术 | 第26-31页 |
| 2.3.1 软件测试定义与分类 | 第26-30页 |
| 2.3.2 基于路径覆盖的软件测试数据生成 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 增强型反向学习的自适应差分进化算法 | 第32-46页 |
| 3.1 引言 | 第32-34页 |
| 3.2 基础知识 | 第34-36页 |
| 3.2.1 控制参数设置 | 第34-35页 |
| 3.2.2 反向学习概述 | 第35-36页 |
| 3.3 OL-ADE算法 | 第36-41页 |
| 3.3.1 算法概述 | 第36页 |
| 3.3.2 基于反向学习的最优个体x_(opbest)的选择 | 第36-37页 |
| 3.3.3 φ_i的选择标准 | 第37-38页 |
| 3.3.4 改进的自适应差分进化算法理论分析 | 第38-39页 |
| 3.3.5 算法相关代码 | 第39-41页 |
| 3.4 实验分析 | 第41-45页 |
| 3.4.1 实验参数 | 第41-42页 |
| 3.4.2 收敛精度与收敛速度 | 第42-43页 |
| 3.4.3 算法可靠性 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 应用自适应差分进化算法优化测试数据 | 第46-56页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基础知识 | 第47-48页 |
| 4.2.1 自适应控制参数 | 第47页 |
| 4.2.2 质心定理 | 第47-48页 |
| 4.3 差分进化算法改进 | 第48-50页 |
| 4.3.1 x_(wbest)的选择标准 | 第48-50页 |
| 4.4 CADE算法应用于测试数据的生成 | 第50-52页 |
| 4.4.1 适应度函数的构造 | 第50-51页 |
| 4.4.2 测试数据生成模型 | 第51-52页 |
| 4.5 实验分析 | 第52-55页 |
| 4.5.1 冒泡排序 | 第52-53页 |
| 4.5.2 三角形判断 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 图表目录 | 第65-66页 |
| List of Figure and Tables | 第66-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间发表的学术论文及科研项目 | 第69页 |