【摘要】：作為保障軟件質(zhì)量的一個(gè)重要手段,如何有效的對(duì)軟件可靠性進(jìn)行預(yù)測(cè)是當(dāng)前軟件工程研究中亟待解決的一個(gè)問題。到目前為止,已有許多學(xué)者針對(duì)軟件可靠性預(yù)測(cè)問題展開研究,并且提出了眾多的方法,但是這些方法均存在預(yù)測(cè)精度低、適用范圍不足等問題。長短時(shí)記憶(LSTM)網(wǎng)絡(luò)作為一種深度學(xué)習(xí)模型,其能夠通過對(duì)歷史數(shù)據(jù)的學(xué)習(xí),基于選擇性記憶的高級(jí)機(jī)器學(xué)習(xí)功能,深入挖掘出時(shí)間序列數(shù)據(jù)中的固有規(guī)律,適合用于軟件失效時(shí)間數(shù)據(jù)的處理。論文在標(biāo)準(zhǔn)粒子群(PSO)算法的基礎(chǔ)上提出了一種多層異構(gòu)粒子群算法,利用其較強(qiáng)的全局尋優(yōu)能力對(duì)深度LSTM神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化,并將優(yōu)化后的深度LSTM神經(jīng)網(wǎng)絡(luò)用于軟件可靠性預(yù)測(cè)。論文的研究工作分為以下三個(gè)部分:(1)針對(duì)標(biāo)準(zhǔn)PSO算法容易產(chǎn)生早熟收斂、局部尋優(yōu)能力較差等問題,提出一種多層異質(zhì)粒子群優(yōu)化算法(MHPSO)。該算法將粒子群的群體結(jié)構(gòu)設(shè)置為層次結(jié)構(gòu),引入吸引子的概念,對(duì)粒子的速度更新方程進(jìn)行改造,增強(qiáng)粒子與粒子之間的信息交互能力,提升了PSO的尋優(yōu)性能。(2)針對(duì)現(xiàn)有軟件可靠性預(yù)測(cè)算法預(yù)測(cè)精度低的問題,提出一種基于MHPSO算法優(yōu)化的深度LSTM(MHPSO-LSTM)神經(jīng)網(wǎng)絡(luò)模型。該模型利用MHPSO較強(qiáng)的全局尋優(yōu)能力對(duì)深度LSTM網(wǎng)絡(luò)的初始權(quán)重進(jìn)行優(yōu)化,避免其由于初始權(quán)重的隨機(jī)化取值而陷入局部極小值的問題,提高了利用深度LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行軟件可靠性預(yù)測(cè)時(shí)的預(yù)測(cè)性能。(3)通過實(shí)驗(yàn)對(duì)MHPSO及MHPSO-LSTM網(wǎng)絡(luò)模型的性能分別進(jìn)行對(duì)比驗(yàn)證。對(duì)于MHPSO算法,主要通過與PSO、QPSO的對(duì)比,從基準(zhǔn)函數(shù)優(yōu)化結(jié)果、群體多樣性及算法的可拓展性三個(gè)角度進(jìn)行算法優(yōu)化性能的驗(yàn)證;對(duì)于MHPSO-LSTM網(wǎng)絡(luò)模型,使用公開的軟件缺陷數(shù)據(jù)集進(jìn)行軟件可靠性的預(yù)測(cè),并通過與BP、RNN以及常規(guī)深度LSTM網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的對(duì)比進(jìn)行預(yù)測(cè)性能的驗(yàn)證。
【圖文】：

（2-2）為標(biāo)準(zhǔn) PSO 中速度及位置的更新方程 ( ) ( tt+1 t t t t t ti, j i, j 1 1,i, j ji, j 2 2,i, j i, j iV = wV + c r y - x + c r y - xt+1 t t+1i, j i, j i, jx = x +V子 i 的速度，,ti jx 為其當(dāng)前所在的位置，,ti jy 為其。下標(biāo) j 是空間維度的索引。 w 是慣性權(quán)重，定的系數(shù)，它們分別用來平衡粒子的探索及尋個(gè)部分構(gòu)成，其中,ti jwV 代表的是粒子的目前狀當(dāng)前狀態(tài)獲得的社會(huì)經(jīng)驗(yàn)，( )2 2, , , ,t t ti j i j i jc r y x代體經(jīng)驗(yàn)。及其特點(diǎn)分析法的流程圖，具體步驟如下：群。包括種群大小，，并對(duì)所有粒子的初始位置

法具有以下幾個(gè)方面的特點(diǎn)：子都具有一定程度的記憶能力，將進(jìn)行保存。法，其主要通過多個(gè)粒子在不同點(diǎn)行進(jìn)行的。正是由于算法具有這種局搜索的能力使得算法的收斂速比較簡(jiǎn)單，實(shí)現(xiàn)起來比較方便，在個(gè)粒子的個(gè)體局部最優(yōu)信息和種群在對(duì)最優(yōu)解進(jìn)行搜尋的過程中，單析
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.5;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王金勇;吳智博;舒燕君;張展;;故障檢測(cè)率不規(guī)則變化的軟件可靠性模型[J];軟件學(xué)報(bào);2015年10期

2 費(fèi)琪;劉春裕;;基于NHPP類軟件可靠性通用模型研究與應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年S2期

3 張策;崔剛;劉宏偉;孟凡超;;構(gòu)件軟件可靠性過程技術(shù)[J];計(jì)算機(jī)學(xué)報(bào);2014年12期

相關(guān)碩士學(xué)位論文 前5條

1 廖勝平;基于半監(jiān)督學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法研究[D];重慶大學(xué);2016年

2 周波;基于NHPP軟件可靠性模型的預(yù)測(cè)研究及實(shí)現(xiàn)[D];電子科技大學(xué);2016年

3 胡新辰;基于LSTM的語義關(guān)系分類研究[D];哈爾濱工業(yè)大學(xué);2015年

4 李進(jìn);基于改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)的軟件可靠性模型研究[D];電子科技大學(xué);2014年

5 汪帥;基于序列分解與重構(gòu)的軟件可靠性預(yù)測(cè)方法[D];南京航空航天大學(xué);2014年

本文編號(hào)：2680348