面向混合强度t-way测试集生成的模糊自适应教与学优化策略
神经与进化计算
2019-06-24 v1
摘要
教与学优化（TLBO）算法在求解众多现实优化问题中表现出竞争性能。然而，该算法需要更好地控制开发与探索以防止早熟收敛（即陷入局部最优），并增强解多样性。因此，本文提出一种基于Mamdani模糊推理系统的TLBO新变体，称为ATLBO，以实现其全局与局部搜索操作的自适应选择。为评估其性能，我们采用ATLBO求解混合强度t-way测试生成问题。实验结果表明，ATLBO相对于原始TLBO及其他元启发式对照算法表现出竞争性能。
引用
@article{arxiv.1906.08855,
title = {Fuzzy adaptive teaching learning-based optimization strategy for the problem of generating mixed strength t-way test suites},
author = {Kamal Z. Zamli and Fakhrud Din and Salmi Baharom and Bestoun S. Ahmed},
journal= {arXiv preprint arXiv:1906.08855},
year = {2019}
}