| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·静态法 | 第10页 |
| ·动态法 | 第10-12页 |
| ·本文的主要研究工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 相关技术及主流方法 | 第14-21页 |
| ·适应度函数构造技术 | 第14页 |
| ·程序插桩 | 第14页 |
| ·海明距离 | 第14页 |
| ·基于遗传算法的软件测试数据自动生成 | 第14-17页 |
| ·染色体（Chromosome） | 第15页 |
| ·适应度评价（Fitness Evaluation） | 第15-16页 |
| ·种群（Population）和种群规模（Population Size） | 第16-17页 |
| ·选择算子（Selection Operator） | 第17页 |
| ·交叉算子（Crossover Operator） | 第17页 |
| ·变异算子（Mutation Operator） | 第17页 |
| ·遗传算法流程 | 第17-19页 |
| ·基于遗传算法的软件测试数据自动生成模型 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于蚁群算法的测试数据自动生成 | 第21-30页 |
| ·蚁群算法 | 第21页 |
| ·蚁群算法的基本原理 | 第21-22页 |
| ·基于蚁群算法的软件测试数据自动生成 | 第22-25页 |
| ·蚂蚁搜索模型的构建 | 第22-23页 |
| ·利用蚁群算法生成软件测试数据原理 | 第23-25页 |
| ·信息素更新规则 | 第25页 |
| ·状态转移规则 | 第25页 |
| ·实验结果及分析 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于遗传-蚁群混合算法的测试数据自动生成 | 第30-36页 |
| ·遗传-蚁群混合算法 | 第30页 |
| ·遗传算法与蚁群算法的融合策略 | 第30-33页 |
| ·路径选取及信息素更新规则 | 第30-31页 |
| ·路径交叉 | 第31页 |
| ·遗传-蚁群混合算法生成软件测试数据原理 | 第31-33页 |
| ·实验及结果分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于粒子群-遗传混合算法的测试数据自动生成 | 第36-47页 |
| ·粒子群优化算法 | 第36-37页 |
| ·粒子群优化算法的基本原理 | 第37-38页 |
| ·粒子群优化算法与遗传算法的比较 | 第38-39页 |
| ·粒子群-遗传混合算法 | 第39页 |
| ·种群划分 | 第39-40页 |
| ·变异影响因子 | 第40页 |
| ·个体更新 | 第40-41页 |
| ·粒子群-遗传混合算法流程图 | 第41-42页 |
| ·实验及结果分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间取得的学术成果 | 第53-54页 |
| 致谢 | 第54页 |
