参数寻优过程中成功率与时间消耗规律曲线

消息传递接口(Message-Passing Interface, MPI)程序路径覆盖测试中，基于进化优化算法(evolutionary optimization algorithm, EOA)的测试数据生成已广为人知。然而，使用上述技术的过程中，需通过执行程序评估每一进化个体的目标值，这通常需要高昂的计算代价。

近日，信控学院智能优化与控制课题组博士生孙百才在该领域取得研究进展，研究成果形成论文“Integrating an Ensemble Surrogate Model's Estimation into Test data Generation”，以第一作者在国际顶级期刊、中科院Top期刊 IEEE Transactions on Software Engineering (IF: 6.112 )发表，中国矿业大学为第一单位，论文通讯作者为巩敦卫教授。

为降低测试MPI程序的计算代价，该论文首先使用EOA生成一定数量的测试输入，并与它们的真实目标值一起形成训练集；然后，基于形成的训练集，训练集成代理模型(Ensemble Surrogate Model)，以用于估计每一进化个体的目标值；最后，基于估计的目标函数值，选择少部分具有代表性的个体执行程序，得到其真实目标值，以用于后续的测试数据进化生成。实验结果表明，所提方法能够显著提高测试数据生成的效率。