关于量子粒子群算法(QPSO)

基于QPSO 算法的软件测试数据自动生成李文瑞，张伟，任洪丽摘要：针对目前进化算法生成测试数据方法存在算法复杂、参数设置不易、易陷入局部最优解等缺陷，提出了一种应用于软件测试中的基于量子粒子群算法(QPSO)的测试数据自动生成算法。

该算法是在PSO 算法基础上引入量子理论的思想。

解决了PSO 算法搜索空间有限，容易陷入局部最优解的问题。

通过具体实验证明，该方法是有效可行的，其效率也明显高于GA 算法和PSO 算法。

关键字：软件测试；测试数据生成；粒子群算法；量子粒子群算法0 引言软件测试是软件开发过程中必须完成的重要活动之一，而测试数据的自动生成是软件测试的最关键的问题，可以有效的提高软件测试的效率。

软件测试数据自动生成通常包括功能测试数据自动生成和结构测试数据自动生成，目前通过进化算法生成测试数据方面的研究取得的很大的进展。

文献[1]将遗传算法（GA ）应用于面向对象软件的单元测试中，文献[2]提出“分支函数叠加法”来构造适应值函数。

文献[3]对遗传算法在软件测试用例生成的性能进行研究，并提出了两种提高遗传算法生成测试用例效率的方法。

文献[4]将把量子理论应用于PSO 算法中从而提出一种改进的粒子群优化算法。

文献[7]在传统的遗传算法中注入免疫算子，提出了基于免疫遗传算法生成软件测试数据的方法。

文献[8]提出一种基于PSO 算法的软件测试数据生成方法。

但是遗传算法及其改进算法都存在算法复杂、参数设置不易等问题，PSO 算法具有搜索空间有限、容易陷入局部最优解的缺陷。

本文提出一种基于QPSO 的软件测试数据生成方法，并通过实验验证，其效率明显优于遗传算法和粒子群算法，解决了PSO 算法容易陷入局部最优解的缺陷。

1 基本概念1.1 粒子群算法设X i = ( x i1 , x i2 ,…, x in ) 为粒子i 的当前位置；V i = ( v i1 ,v i2 ,…, v in ) 为粒子i 的当前飞行速度；P i = ( p i1 , p i2 , …, p in ) 为粒子i 所经历过的具有最好适应值的位置。

• 160•由于可再生能源深受环境、气候等外部因素影响，作为光伏转换的重要组成部分，当光伏电池发生局部遮挡时，就会伴随出现其特性曲线的多峰值现象。

对于该类情况，传统的电导增量法（incremental conductance,IC ）、扰动与观察算法（perturb and observe,P&O ）容易误追踪到局部最大功率点（local peak,LP ），导致效率降低。

所以，为了能够准确追踪到全局最大功率点（global peak,GP ），从而保证转换效率，本文提出一种基于量子粒子群算法的最大功率点跟踪技术（maximum power point tracking technique,MPPT ）。

通过搭建Matlab 仿真，其结果表明该算法不仅能跟踪到GP ，而且能有效地减小稳态振荡。

在太阳能阵列中，如果出现至少一个光伏电池被遮挡的情况，即属于遮阴现象，若光伏阵列对此没有一些有效的应对保护措施，就会导致光伏系统整体功率的下降，并且受遮挡电池所在的光伏组件会成为负载而消耗功率。

当因此消耗的功率过多时，会造成该组件局部温度过高，甚至导致组件毁坏。

为了尽可能地避免上述问题，可通过给太阳能阵列外接旁路二极管的方法进行解决。

旁路二极管的工作逻辑设计如下：当太阳能阵列的电流未超过被遮挡电池的短路电流I sc 时，受遮挡电池所在支路的旁路二极管不导通；否则，旁路二极管导通，使得电流不从受遮挡的组件上流过，从而降低由此引起的功率消耗。

上述外接旁路二极管，在光照强度均匀照射下不起作用，但是，在受到不均匀光照强度照射时，由于旁路二极管的导通，便会造成太阳能阵列的特性曲线出现多峰值现象。

由此可知，当特性曲线出现多峰值时，传统MPPT 方法不再奏效，且容易陷入局部最大功率点LP 。

针对该问题，本文提出了一种基于量子粒子群算法的MPPT 技术，利用粒子群的全局搜索能力，达到精准追踪全局最大功率点GP 的目的。

基于Qpso算法的应急资源调度应用研究摘要：以连续性消耗应急过程为背景，运用量子行为粒子群算法求解多目标的应急资源调度数学模型。

考虑施救成本费用和因施救不及时造成损失的构造模型的目标函数。

针对该模型的特点，设计量子粒子群算法求解方法和步骤，用数值算例验证了所建立模型的合理性及量子粒子群算法的可行性和有效性。

abstract： a multi-objective emergency-resource scheduling model is established in the continuous consumption emergency system. considering rescue costs and the losses caused by not be rescued in time，the objective function of the model is designed with these two sides. according to the characteristic of the model， the solving procedure and its steps are based on quantum-behaved particle swarm algorithm.a data example verifies the rationality of the model， and the feasibility and the validity of using the quantum-behaved particle swarm optimization.关键词：应急资源；连续消耗；量子行为粒子群优化算法；整数规化key words： emergency resources；continuous consumption；quantum-behaved particle swarm optimization；integer programming中图分类号：tp301.6文献标识码：a 文章编号：1006-4311（2012）34-0205-020 引言目前，我国处于经济高速发展时期的同时，各种突发公共事件也接连不断的发生。