| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 回归测试优化研究现状 | 第13-16页 |
| 1.2.2 蚁群算法在优化问题中应用研究 | 第16-18页 |
| 1.2.3 遗传算法的应用研究 | 第18页 |
| 1.3 本文工作与主要贡献 | 第18-19页 |
| 1.4 文章的组织结构 | 第19-22页 |
| 第二章 回归测试用例预优化及蚁群算法 | 第22-28页 |
| 2.1 回归测试优化 | 第22页 |
| 2.2 测试用例预优化 | 第22-24页 |
| 2.3 蚁群算法原理与应用 | 第24-26页 |
| 2.3.1 蚁群算法原理 | 第24-25页 |
| 2.3.2 蚁群算法在测试优化中的应用 | 第25页 |
| 2.3.3 蚁群算法参数组合优化研究 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 蚁群算法中参数组合的优化方法 | 第28-36页 |
| 3.1 蚁群算法参数影响分析 | 第28页 |
| 3.2 控制单一变量法 | 第28-29页 |
| 3.3 遗传算法 | 第29-32页 |
| 3.3.1 遗传算法与自然选择 | 第29-30页 |
| 3.3.2 遗传算法基本操作 | 第30-32页 |
| 3.4 优化ACO参数组合的遗传算法 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 多目标测试用例预优化的蚁群算法的研究与实现 | 第36-40页 |
| 4.1 多目标测试用例预优化方法概述 | 第36页 |
| 4.2 基于ACO的多目标测试用例预优化方法研究 | 第36-37页 |
| 4.3 多目标ACO的具体实现 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 蚁群算法的参数优化实验及结果分析 | 第40-52页 |
| 5.1 实验设计 | 第40-41页 |
| 5.2 实验评价方法 | 第41页 |
| 5.3 实验结果及分析 | 第41-50页 |
| 5.3.1 控制单一变量法的结果及分析 | 第41-48页 |
| 5.3.2 遗传算法优化ACO参数组合的结果及分析 | 第48-49页 |
| 5.3.3 基于ACO的多目标测试用例预优化的实验结果及分析 | 第49-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 结束语 | 第52-54页 |
| 6.1 总结论文主要工作 | 第52页 |
| 6.2 下一步展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 研究成果及发表的学术论文 | 第62-64页 |
| 作者和导师简介 | 第64-65页 |
| 附件 | 第65-66页 |
