| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 图清单 | 第12-15页 |
| 表清单 | 第15-16页 |
| 1 绪论 | 第16-23页 |
| ·课题研究的背景及意义 | 第16-17页 |
| ·国内外研究现状 | 第17-20页 |
| ·存在的问题 | 第20-21页 |
| ·本文主要工作 | 第21页 |
| ·本文结构 | 第21-23页 |
| 2 概念及技术介绍 | 第23-40页 |
| ·软件测试技术 | 第23-28页 |
| ·粒子群算法 | 第28-32页 |
| ·遗传算法 | 第32-38页 |
| ·粒子群算法与遗传算法的比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 3 基于遗传算法的动态可变参数的测试数据生成方法 | 第40-49页 |
| ·动态可变参数的可视化输入 | 第40-44页 |
| ·基于遗传算法的测试数据自动生成模型 | 第44-45页 |
| ·实验分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于约简的自适应粒子群优化算法的测试数据自动生成方法 | 第49-64页 |
| ·约简的自适应粒子群优化算法 | 第49-53页 |
| ·将 RAPSO 用于测试数据自动生成 | 第53-56页 |
| ·实验 | 第56-63页 |
| ·本章小结 | 第63-64页 |
| 5 基于遗传粒子群优化算法的测试数据自动生成方法 | 第64-74页 |
| ·GA-PSO 比较 | 第64页 |
| ·基于 GA-PSO 的测试数据自动生成模型 | 第64-65页 |
| ·基于 GA-PSO 的测试数据自动生成算法流程 | 第65-66页 |
| ·实验 | 第66-73页 |
| ·本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-75页 |
| ·总结 | 第74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 作者简历 | 第80-84页 |
| 学位论文数据集 | 第84页 |