-
题名提高大型交通网络最短路搜索效率研究
被引量:1
- 1
-
-
作者
高虹霓
杨建军
曹泽阳
-
机构
空军工程大学导弹学院
-
出处
《空军工程大学学报(自然科学版)》
CSCD
2003年第1期54-56,70,共4页
-
文摘
针对大型交通网络节点多、道路等级差别大等特点,提出了综合提高大型交通网络搜索效率,避免发生"维数灾难"问题的有效途径。
-
关键词
大型交通网络
最短路搜索
搜索效率
搜索空间
Dijkstra标号搜索算法
启发式搜索技术
-
Keywords
traffic network
shortest circuit
search efficiency
-
分类号
O229
[理学—运筹学与控制论]
-
-
题名组合测试研究进展
被引量:21
- 2
-
-
作者
陈翔
顾庆
王新平
陈道蓄
-
机构
南京大学计算机科学与技术系计算机软件新技术国家重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2010年第3期1-5,共5页
-
基金
国家重点基金项目(2006AA01Z177)
国家自然科学基金(60873027)
江苏自然科学基金基础研究项目(BK2006115)资助
-
文摘
组合测试(Interaction Testing)是一种有效的测试用例生成技术,它假设被测系统中的缺陷往往由少数参数间的交互触发,所以可以使用较小规模的测试用例集(Test Suite)完成高质量的软件测试。对目前组合测试的已有工作予以研究,首先通过介绍常见的组合覆盖标准引入组合测试问题;然后总结目前常见的4种组合对象;之后依据生成策略的特征对现有的组合测试技术予以分类并简要介绍其中的典型方法;接着给出一套评价标准并对各个方法予以综合比较;最后总结并提出下一步的研究方向。
-
关键词
组合测试
组合对象
代数构造
贪婪法
元启发式搜索技术
-
Keywords
Interaction testing Combinatorial object Algebraic construction Greedy algorithm Metaheuristic search technique
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于故障关联因子的新型广域后备保护
被引量:35
- 3
-
-
作者
马静
李金龙
王增平
杨奇逊
-
机构
电力系统保护与动态安全监控教育部重点实验室(华北电力大学)
成都电业局
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2010年第31期100-107,共8页
-
基金
国家自然科学基金项目(50907021
50837002)
+1 种基金
"111"引智计划(B08013)
华北电力大学校级博士教师基金项目(200822002)~~
-
文摘
提出一种基于故障关联因子(fault correlation factor,FCF)的广域后备保护新方法。该方法在系统正常运行情况下,根据网络拓扑结构及相量测量单元(phase measurement unit,PMU)的配置情况,初始化保护关联域;借助开关变位信息和启发式搜索技术快速更新保护关联域(protection correlation region,PCR)。在系统发生故障后,通过分析各关联域内差动电流故障稳态分量,界定故障关联域,实时计算该关联域内的故障关联因子,并据此确定具体的故障支路。新英格兰10机39节点系统的仿真结果表明:该方法不受系统运行方式的影响,计算简便,易于实现,且能够在PMU有限测点情况下快速、灵敏、可靠地判别故障位置。
-
关键词
广域后备保护
保护关联域
故障关联因子
相量测量单元
启发式搜索技术
-
Keywords
wide-area back-up protection
protection correlation region (PCR)
fault correlation factor (FCF)
phase measurement unit (PMU)
heuristic search algorithm
-
分类号
TM77
[电气工程—电力系统及自动化]
-
-
题名基于维持种群多样性的测试数据生成算法的研究
被引量:2
- 4
-
-
作者
王建民
蔡媛
-
机构
中山大学信息科学与技术学院
国家数字家庭工程技术研究中心(中山大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2012年第5期1039-1048,共10页
-
基金
国家自然科学基金项目(61073132
60776796)
+2 种基金
广东省自然科学基金项目(9151027501000035)
广东省科技计划项目(2009B010800017)
中山大学基本科研业务费专项基金项目(101gpy33)
-
文摘
测试数据自动化生成技术尝试寻找一个相对小的数据集来满足测试充分性标准,以降低软件测试的成本,提高测试效率.当测试项的数据集大小超过其上限时,算法会使用淘汰算法把差异性较小的测试数据从集合中淘汰掉,把差异性较大的测试数据留下来,以维持种群的多样性.针对此问题,提出一种基于维持种群多样性的演化算法来求解测试数据集,算法利用启发信息迭代地选择一个条件?判定语句作为子目标,通过演化算法生成数据以覆盖目标.在此算法框架内,利用一种新的计算评估值的方法计算数据与测试项的距离信息;以及利用归一的曼哈顿距离计算测试数据差异性,通过淘汰策略把差异性较小的测试数据淘汰掉.在实验中,对14个计算机科学基础算法的基准函数进行了测试,并与现有文献中的测试数据生成方法进行对比,验证了算法有效提高了条件?判定覆盖率,并且减少了测试数据的生成数量,提高了测试性能.
-
关键词
结构化测试
测试数据自动化生成
测试用例
条件/判定覆盖
元启发式搜索技术
-
Keywords
structural testing
automatic test data generation
test case
condition/decision coverage
meta-heuristic search techniques
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-