导读:本文包含了路径自动生成论文开题报告文献综述及选题提纲参考文献，主要关键词:光网络,个性化移动学习,路径生成,负载均衡
路径自动生成论文文献综述
汤恒耀,张青,姜国松[1]（2019）在《光网络中个性化移动学习路径自动生成技术研究》一文中研究指出为了提高光网络中个性化移动学习过程中路径信息传输性能,降低路径损耗,提出一种基于移动Agent能量平衡环形路由算法(EBRRMA)的光网络中个性化移动学习路径自动生成技术。构建光网络的个性化移动学习路径的分布结构模型,结合转发路由节点部署方法进行路径传输信道特征分析,采用环形路由探测技术进行个性化移动学习路径的迁移处理,结合负载均衡控制方法进行光网络个性化移动学习路径分配中信道自适应调度设计,采用鲁棒性预测方法分析光网络中个性化移动学习路径的吞吐性能,以网络跳数最小为约束代价,进行移动学习路径的路由探测控制设计,采用能量平衡环形路由算法实现光网络中个性化移动学习路径的能量配置均衡设计,生成最优的移动学习路径。仿真结果表明,采用该方法进行光网络中个性化移动学习路径生成设计,降低了网络开销和跳数,网络传输时延得到有效控制,提高了网络输出的稳定性和均衡性。(本文来源于《激光杂志》期刊2019年10期）
于笳韵,刘传才[2]（2019）在《一种面向路径的测试数据自动生成的组合方法》一文中研究指出在研究面向路径的测试数据自动生成时,目前得到广泛应用的几种方法仍存在不少问题,算法效率普遍低下。为此,提出一种组合优化粒子群算法和蚁群算法的方法:在算法初期,先对粒子群算法作降阶操作,并利用粒子群优化算法生成初步测试结果。然后针对每个粒子的局部搜索过程,引入信息素机制以有效地保证搜索过程的多样性,进而防止搜索过程"早熟"而陷入局部最优。(本文来源于《计算机与数字工程》期刊2019年08期）
刘鑫,曾铭钰,樊贵军,段幼春[3]（2019）在《基于人工智能的个性化移动云学习路径自动生成技术研究》一文中研究指出针对传统云学习路径自动生成技术准确度低的情况,提出基于人工智能的个性化移动云学习路径自动生成技术。为了达成某特定学习目标,定义学习者特征,并根据定义的学习者特征生成学习路径库,同时,为保证学习者学习的有效性,在学习路径中加入遗忘机制,以提醒学习者复习已学习的内容。实验对比结果表明,该云计算路径自动生成技术具有较高的准确性,提高了学习者的学习效果,具有一定的实际应用意义。(本文来源于《信息与电脑(理论版)》期刊2019年14期）
张海妮[4]（2019）在《基于蚁群优化算法的无人船艇航线自动生成及路径规划》一文中研究指出随着船舶智能化的不断发展,无人船艇逐渐被应用于扫海作业,其航线自动生成技术和路径规划研究具有十分重要的意义。通过介绍蚁群优化算法与标准A星算法,设计无人船航线自动生成框架和基于蚁群优化算法的最佳路径捜索流程,分析了航线的自动生成与考虑回转性能、风浪阻力和气动阻力和海流影响的路径规划,基于蚁群优化算法的最佳路径捜索流程自动生成的航线,能够符合航线设计要求;回转性能改进算法对真实海图上进行路径规划,回转次数和路径长度优化效果明显;不同的气动阻力连接权值对路径规划结果影响极大,CFD方法得到的参数准确无误,能够用于无人船气动阻力权值分析;考虑风浪增阻、气动阻力和回转性能影响的路径规划合理,基本实现顺风航行。(本文来源于《舰船电子工程》期刊2019年03期）
张蕊[5]（2019）在《基于可行路径的测试用例自动生成方法研究》一文中研究指出软件测试是软件开发中必不可少的过程,它也是确保软件质量的有效方法。目前,软件测试倾向于采用自动化过程。软件自动化测试可以降低开发成本并且提高测试效率,然而测试用例自动生成是软件自动化测试的重要组成部分。测试用例的生成现存多种方法,但是目前应用最广、效率最高的是基于元启发式算法的方法。测试用例生成的效率与待测程序的路径密切相关。本文主要基于待测程序的可行路径进行测试用例生成的研究,首先基于现有的关键路径表示法提出了改进,接下来对花朵授粉算法提出了两点优化,然后将它们结合成一种测试用例生成模型。本文的主要工作如下:首先研究了关键点路径表示法并且分析它的可行性与限制性,针对方法的限制性提出了一种可行路径表示法。该方法符合本文的研究目的,并且使用简化的插桩手段对待测程序进行插桩。可行路径表示法是一种静态方法,在对待测程序进行实验前,通过使用该方法对待测程序进行路径分析得到程序的具体路径信息,使用逆向符号执行技术对可行路径集进行可行性再度量,最终得到程序的可行路径集。然后研究了花朵授粉算法,由于花朵授粉算法在自适应性、优化精度、收敛速度和陷入局部极值等方面都存在许多不足。为了解决花朵授粉算法的诸多弊端,本文提出了一种新型改良的花朵授粉算法(NMFPA)。新算法的两处优化分别是为所有种群成员生成全局方向、构建一组适应度函数的最优解向量,并且通过实验验证了算法的优越性。最后对本文提出的算法进行适用性和高效性验证。选取四个复杂程度不同的待测程序在MATLAB中进行仿真实验,选取两种改进的元启发式算法与本文的算法进行对比。实验结束后分别从平均消耗时间、平均迭代次数和可行路径的平均分支覆盖率这叁个指标进行对比分析,最终验证了本文算法的优越性。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
姚婷[6]（2018）在《基于遗传算法的多路径覆盖测试用例自动生成的研究》一文中研究指出随着信息化产业的发展,软件的应用越来越广泛,软件质量受到各行业越来越多的关注。应用人工的方法为待测程序的目标路径设计测试用例的方法在大型软件中很不实际。基于此,本文改进了已有的测试用例自动生成技术。将基于条件语句相关性的不可达路径检测方法与改进的多目标遗传算法相,结合生成测试用例。使用该方法可以保证的测试充分性,减少测试用例的冗余,自动生成有效测试用例的效率明显提高。对程序基本路径集中不可达路径存在的问题进行了研究,不可达路径产生的主要根源在于该路径中条件语句之间的相关性,因此,通过分析条件语句之间的相关性,可以检测不可达路径。本文提出基于条件语句相关性的不可达路径自动检测理论与方法,生成程序的可达路径集。在生成可达路径集的基础上,研究基于遗传算法的多路径覆盖测试用例生成方法,提出解决问题的数学模型。遗传算法生成覆盖目标路径的测试用例时,将测试用例生成问题转化为优化问题,高效求解多目标优化问题的前提之一是设计针对性的适应度函数。已经提出的运行一次遗传算法能够同时分别生成覆盖多条且标路径的多个测试用例方法中,选择的后代进化个体是具有所有目标路径适应值的平均值的个体。本文方法中,后代进化个体的适应度函数采用一个向量表示,且该向量的每个分量代表该个体针对一条目标路径的适应值。本文提出的向量表示方法,可以更加准确地描述后代进化个体的适应值。在利用传统的遗传算法生成测试用例时,需要评价测试用例的性能,要求运行每个插装后的程序,这样造成了非常大的计算时间的浪费。而基于多路径覆盖的遗传算法,根据目标路径与进化个体覆盖路径之间的距离,计算该个体针对每一条目标路径的适应值;然后,根据个体适应值确定是否有期望的测试用例,如果有,则保存该测试用例及其覆盖的目标路径,并简化多目标优化问题,如果没有,则采用合适的方法对进化个体的性能进行评价;对进化个体进行选择、交叉、变异操作,构成新一代种群。如此迭代,直到生成覆盖所有目标路径的测试用例。为验证本文技术的正确性与先进性,选择了一个工业程序和叁个基准被测程序进行一系列实验,并对实验结果进行分析。通过实验分析,本文提出的基于遗传算法的多路径覆盖测试用例的自动生成方法,能够提高软件测试自动化过程,有效提高了测试用例生成效率。本课题的研究,有效提高了软件测试从业人员的工作效率、降低了软件开发机构的开发成本,为提升其市场竞争力意义显着。(本文来源于《南华大学》期刊2018-12-01）
李硕[7]（2018）在《程序基本路径测试用例自动生成方法和技术研究》一文中研究指出随着信息技术的飞速发展,各种各样的软件产品应运而生,并且逐渐应用到社会的各个领域,如金融业、医疗业、服务业等等。如何保证软件系统的质量渐渐成为人们的关注焦点。软件测试是开发过程中确保软件质量的一种重要工作,同时也是提高软件可靠性、易用性的重要手段。现如今,软件测试成本越来越高,所以高效率地完成测试工作是互联网行业共同追求的目标,这使得软件测试过程的自动化成为必然。软件测试的本质就是为被测系统建立测试用例集合,所以实现自动化测试的关键在于测试用例自动生成部分。在测试用例生成这一问题上,基本路径测试是一个传统的代码分析与测试技术,被广泛地应用到复杂软件分析和大型软件逻辑覆盖测试活动中。传统的基本路径测试方法是采用选取满足规约的随机数作为测试用例,没有考虑规约自动提取和规约组合优化。本文的研究重点就放在如何能够提取被测代码的约束条件,以及如何将约束条件抽丝剥茧,组合为符合所求路径的规约分式。实际上,定向生成测试用例首先需要明确被测代码的结构,其次是找到各个模块之间的逻辑依赖。本文通过代码的静态结构测试,使用编译技术实现规约的提取,并研究了对规约结果进一步操作的组合优化技术。该技术建立在代数方法的基础之上,为软件系统的逻辑结构建模,并通过数学方法求解程序的测试用例集。规约提取和组合优化这一尝试为测试用例自动化生成问题提供了新的思路,摒弃了随机性算法和搜索算法的盲目性,一定程度上弥补了运行时间和生成率方面的不足。本文给出测试用例自动生成的相应的算法,并介绍一种自主研发的应用工具。同时,通过若干案例表明了所提算法的有效性,和应用工具的可行性。(本文来源于《北方工业大学》期刊2018-05-29）
孙晶,李硕,赵会群[8]（2018）在《基本路径测试用例自动生成的方法研究》一文中研究指出基本路径测试是一个传统的代码分析与测试技术,被广泛地应用到复杂软件分析和大型软件逻辑覆盖测试活动中。传统的基本路径测试方法是采用选取满足规约的随机数作为测试用例,没有考虑规约自动提取和规约组合优化。提出一种基于编译技术的条件规约自动提取技术和规约组合优化自动生成测试用例技术,并给出相应的算法。实验结果证明了提出算法的有效性。(本文来源于《计算机工程与应用》期刊2018年20期）
于笳韵[9]（2018）在《面向路径的测试数据自动生成研究》一文中研究指出软件自动化测试的核心是高效自动地生成测试数据。人力构造测试数据是一项非常耗时耗力的工作,不仅工作量繁重,而且工作内容也比较盲目。自动生成测试数据则可弥补上述缺陷,减轻测试人员的工作量,显着提高软件测试的效率。近年来,利用智能优化算法实施测试数据自动生成的工作取得了较大的进展,比较热门的是基于遗传算法的测试数据生成研究,但是,由于遗传算法初始时需要对个体进行编码,导致该算法复用性不强。且编码、解码占用大量CPU时间,运行效率会相对较低。而研究发现,粒子群算法模型简单、搜索效率高,在测试数据自动生成领域是一种很有前途的算法。以此为出发点,本文在研究测试数据生成技术和智能优化算法的基础上,提出了两种基于粒子群算法的优化改进算法,具体研究工作和成果如下:1.提出一种简化改进的粒子群算法。对标准粒子群算法进行降阶处理,简化粒子的进化过程,并通过与标准粒子群算法的对比实验,验证了该优化策略的可行性。粒子群算法经过改进以后,不确定参数就只剩下惯性权重,本文对惯性权重的取值方法也进行了研究分析,提出当惯性权重在适当的定义域内随机选取时,算法的搜索遍历度最高。2.提出一种基于改进粒子群-蚁群组合算法进行测试数据生成的方法。为了改进粒子群算法解决问题时容易陷入局部最优的现象,将优化后的粒子群算法与蚁群算法相结合,充分凝聚两个算法的优点。这种方式规避了粒子群算法易陷入局部最优的缺陷,并且十分简便易懂。实验结果表明,将此组合算法用于测试用例的自动生成,最大程度地体现了两个算法的优势。利用反馈信息增强全局搜索能力,保证整个求解过程适应度高的粒子个体与适应度低的粒子个体数目差距不会过大,有效地提升了测试数据自动生成的稳定性和平衡性,进而解决搜索过程易“早熟”的问题。3.提出一种基于K均值-粒子群组合算法生成测试数据的方法。为了解决粒子群算法的运行效率受粒子群规模影响较大的问题,在粒子群算法中引入K-means算法的思想。在每次迭代过程中,均先利用K-Means算法划分粒子群,以此减少算法的迭代次数,提高算法的运行效率。实验结果表明,将KPSO算法应用于测试数据的自动生成,既确保了生成数据的质量,又明显提高了算法的运行效率,并且有效节约运行时间使得测试数据自动化生成更可靠、更合理,实用价值更高。(本文来源于《南京理工大学》期刊2018-03-01）
赵倬祺,张引,张琨,王严[10]（2018）在《城市道路汽车自动驾驶路径生成算法》一文中研究指出文章通过离散化候选路径与参考路径之间的横向距离和车辆行驶过参考路径的弧长,形成多个目标状态。状态包括位置和方向。根据车辆当前状态和目标状态,求解五次多项式,使车辆与目标状态中间形成平滑连接。使用弗莱纳公式,将多项式上的点转换到参考路径平面坐标下,即形成候选路径。同时对平顺性、行驶偏差、路径长度计算路径代价,使用人工势场计算障碍物代价,选取最优路径。(本文来源于《汽车实用技术》期刊2018年04期）
路径自动生成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在研究面向路径的测试数据自动生成时,目前得到广泛应用的几种方法仍存在不少问题,算法效率普遍低下。为此,提出一种组合优化粒子群算法和蚁群算法的方法:在算法初期,先对粒子群算法作降阶操作,并利用粒子群优化算法生成初步测试结果。然后针对每个粒子的局部搜索过程,引入信息素机制以有效地保证搜索过程的多样性,进而防止搜索过程"早熟"而陷入局部最优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
路径自动生成论文参考文献
[1].汤恒耀,张青,姜国松.光网络中个性化移动学习路径自动生成技术研究[J].激光杂志.2019
[2].于笳韵,刘传才.一种面向路径的测试数据自动生成的组合方法[J].计算机与数字工程.2019
[3].刘鑫,曾铭钰,樊贵军,段幼春.基于人工智能的个性化移动云学习路径自动生成技术研究[J].信息与电脑(理论版).2019
[4].张海妮.基于蚁群优化算法的无人船艇航线自动生成及路径规划[J].舰船电子工程.2019
[5].张蕊.基于可行路径的测试用例自动生成方法研究[D].哈尔滨工程大学.2019
[6].姚婷.基于遗传算法的多路径覆盖测试用例自动生成的研究[D].南华大学.2018
[7].李硕.程序基本路径测试用例自动生成方法和技术研究[D].北方工业大学.2018
[8].孙晶,李硕,赵会群.基本路径测试用例自动生成的方法研究[J].计算机工程与应用.2018
[9].于笳韵.面向路径的测试数据自动生成研究[D].南京理工大学.2018
[10].赵倬祺,张引,张琨,王严.城市道路汽车自动驾驶路径生成算法[J].汽车实用技术.2018