CGRASP.jl Julia 中的连续贪心随机自适应搜索过程 (CGRASP)

贪心随机自适应搜索算法在软件测试中的应用 随机搜索算法.doc

matlab贪婪算法代码GRASP-for-Traveling-Salesman 用于解决旅行商问题的贪婪随机自适应搜索程序 (GRASP) % 作者：% William Arloff % 下面是针对旅行商问题的 GRASP 算法的代码 % 该算法通过调用贪婪随机初始化 % 来获得城市的贪婪随机化。 接下来，代码实现 % Local 搜索功能，该功能采用初始化的城市并搜索 % 更好的解决方案。 下面的代码将输出 % 最佳发现城市的最终集合、城市的贪婪初始化、与贪婪初始化的最佳发现距离以及本地搜索的最佳发现距离。 % 三个主要功能如下 % --------------------- 贪婪随机初始化 -------------------- % %[ 已使用，总计] = GreedyRandomInit（城市，随机数） % Cities ---> Matrix of cities inputted into the function % For greedy random initialization % randsize ----> The number of random cities

针对共生生物搜索算法存在易早熟、收敛速度慢等缺陷,提出一种基于子种群拉伸操作的精英共生生物搜索算法.在“互利共生”阶段,根据适应度值将种群划分为两个子种群,设计有针对性的进化策略,使两个子种群分别负责开发和探索,有效地平衡算法的收敛速度与精度;在“偏利共生”阶段,利用最优个体的方向性引导信息,引入拉伸因子和差分扰动向量,并修正个体更新模式,从而在提高算法收敛速度的同时保证种群的多样性;模拟寄生体和宿主的生物关系,提出精英“寄生”机制,进一步平衡算法在整个迭代过程中的探索与开发能力.对与标准共生生物算法、改进后的共生生物搜索算法以及其他4个群智能进化算法在17个函数上的测试结果进行比较分析,结果表明所提出的算法精度更佳,收敛速度优势明显.

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。

基于扩展有限状态机(EFSM)模型自动生成测试序列可以提高测试效率.由于EFSM模型包含丰富的变量和谓词条件,它们之间的冲突可能导致自动生成的测试序列不可执行.对EFSM变迁及变迁之间的关联关系进行了详细的讨论和分析,定义了一个邻接变迁关联图,提出了一种自适应EFSM可执行测试序列生成算法.新算法首先根据变量和谓词包含情况对变迁进行分类,然后深入挖掘了邻接变迁之间的关联关系,最后,基于自适应预测搜索函数启发式引导可达性分析树扩展生成可执行的测试序列.实验数据表明,与宽度优先可达性分析方法相比,新算法可以有效降低可达性分析过程中产生状态空间爆炸问题的概率,从而提高测试序列自动生成的效率.在最坏的情况下,新算法的计算时空复杂度也等同于宽度优先算法.