| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文的主要研究工作 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 智能优化算法在软件测试数据自动生成中的应用 | 第13-31页 |
| 2.1 引言 | 第13页 |
| 2.2 软件测试 | 第13-19页 |
| 2.2.1 软件测试的概念 | 第13-14页 |
| 2.2.2 软件测试的分类 | 第14-15页 |
| 2.2.3 黑盒测试和白盒测试 | 第15-19页 |
| 2.3 测试数据自动生成 | 第19-21页 |
| 2.3.1 软件自动化测试 | 第19-20页 |
| 2.3.2 测试数据自动生成 | 第20-21页 |
| 2.4 基于智能优化算法的测试数据自动生成 | 第21-29页 |
| 2.4.1 遗传算法 | 第21-24页 |
| 2.4.2 粒子群算法 | 第24-26页 |
| 2.4.3 蚁群算法 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于改进粒子群-蚁群组合算法的测试数据自动生成 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 算法框架 | 第31-34页 |
| 3.2.1 程序插装 | 第32-33页 |
| 3.2.2 适应度评价函数 | 第33-34页 |
| 3.3 改进粒子群-蚁群组合算法 | 第34-38页 |
| 3.3.1 粒子群算法的改进 | 第34-36页 |
| 3.3.2 改进粒子群-蚁群组合算法 | 第36-38页 |
| 3.4 对比实验与分析 | 第38-45页 |
| 3.4.1 改进粒子群算法的对比试验 | 第38-41页 |
| 3.4.2 改进粒子群-蚁群组合算法的对比实验 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于K均值-粒子群组合算法的测试数据自动生成 | 第47-56页 |
| 4.1 引言 | 第47页 |
| 4.2 K-Means算法 | 第47-48页 |
| 4.3 K均值-粒子群组合算法 | 第48-50页 |
| 4.3.1 算法设计 | 第48-49页 |
| 4.3.2 测试数据生成 | 第49-50页 |
| 4.4 对比实验与分析 | 第50-54页 |
| 4.5 本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |