Resumen

Las pruebas de software son un medio de validación muy extendido para garantizar la calidad del software en la industria. Los algoritmos de optimización inteligente han demostrado ser una forma eficaz de generar datos de prueba automáticamente. El algoritmo de luciérnaga ha recibido una gran atención y ha sido ampliamente utilizado para resolver problemas de optimización debido a que cuenta con menos parámetros y una implementación sencilla. Para superar la lenta tasa de convergencia y la baja precisión del algoritmo Firefly, se propone un nuevo algoritmo Firefly con aprendizaje profundo para generar datos de prueba estructurales. Inicialmente, la población se divide en un subgrupo de hombres y otro de mujeres. Siguiendo el modelo de atracción aleatoria, cada luciérnaga macho será atraída por otra luciérnaga hembra seleccionada al azar para centrarse en la búsqueda global en todo el espacio. Cada luciérnaga implementa la búsqueda local bajo el liderazgo de la luciérnaga central general, construida en base a la experiencia histórica con el aprendizaje profundo. En el período final de la búsqueda, se realiza una búsqueda caótica cerca de la mejor luciérnaga para mejorar la precisión de la búsqueda. Los resultados de la simulación muestran que el algoritmo propuesto puede lograr un mejor rendimiento en términos de tasa de cobertura de éxito, tiempo de cobertura y diversidad de soluciones.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:aprendizaje profundo, algoritmo de luciérnaga, período de búsqueda, algoritmo de luciérnaga novedoso, diversidad de soluciones, tasa de convergencia lenta, datos de prueba estructurales, algoritmo de optimización inteligente, garantía de calidad del software, recibió amplia atención
• Keywords:deep learning, firefly algorithm, period of searching, novel firefly algorithm, diversity of solutions, slow convergence rate, structural test data, intelligent optimization algorithm, software quality assurance, received extensive attention