[发明专利]一种软件可靠性模型参数估计方法

说明书

本发明公开了一种软件可靠性模型参数估计方法。属于软件可靠性模型参数估计领域，本发明主要分为三个部分，第一部分是利用极大似然估计构造适应值函数；第二部分是利用BAS‑ABC算法得到最优适应值和最优位置；第三部分利用最优位置计算软件可靠性模型的参数；最后通过参数来预测后五个失效发生的时间，与实际发生时间对比，计算均方误差MSE，并对模型参数进行误差分析。本发明为软件可靠性模型参数估计提供一种新的思路，对软件可靠性研究也有着重要的意义。

技术领域

本发明属于软件可靠性模型参数估计领域，涉及一种软件可靠性模型参数估计方法，特别是涉及一种基于天牛须搜索算法与人工蜂群算法融合的软件可靠性模型参数估计方法。

背景技术

可靠性估计是确定软件质量的重要问题。该问题包括两个主要任务：一种是确定描述软件错误发生的数学模型，另一种是估算最适合特定软件故障数据集的模型参数。软件可靠性预测是为了发现执行测试过程中的故障、以及故障的分布情况。通过了解这些故障的情况，对软件在实际运行中的故障状态和隐藏的故障进行预测。通过建模可以将可靠性的理论知识和实践工程相结合，通过对软件测试中的情况的分析，可以降低人们在开发新的软件时产生故障数的概率，大大地提高软件的可靠性。在软件可靠性预测中，软件运行的环境较为多变复杂，因此需要对运行环境进行假设情况。经典常见的软件可靠模型有GO模型、JM模型、MO模型。GO模型是连续时间非齐次泊松过程模型，是NHHP模型的一种。它具有更高的软件可靠性，因为该模型是建立在软件缺陷集中在不常用的代码中。GO模型和JM模型的不同之处在于比，前者能对软件失效的过程进行更加合理的描述，比较符合实际，因此GO模型在使用的过程中也是首选，选择GO模型作为本方法的研究内容。

随着智能优化算法的不断发展，许多学者将其应用到软件可靠性模型参数估计问题上，智能仿生算法也受到了更广泛的关注。智能仿生算法是一种模仿生物群体智能行为或生物体结构和功能或生态机制的智能计算方法，它的工作机制与自然生物的性质或生态机制非常接近。而且智能仿生算法计算简单且容易理解，效果非常惊人，反映了涌现性。对环境，参数和任务的变化具有很强适用性和灵活性。天牛须搜索是2017年提出的一种高效的智能优化算法。类似于遗传算法、粒子群算法、模拟退火等智能优化算法，天牛须搜索不需要知道函数的具体形式，不需要梯度信息，就可以实现高效寻优。相比于粒子群算法，天牛须搜索只需要一个个体，即一只天牛，运算量大大降低。人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型。人工蜂群算法属于群智能算法的一种，其受启发于蜜蜂的寻蜜和采蜜过程，相比于常见的启发式算法，它的优点在于其使用了较少的控制参数，并且鲁棒性强，在每次迭代过程中都会进行全局和局部的最优解搜索，因此能够找到最优解的概率大大增加。

发明内容

发明目的：本发明目的在于解决软件可靠性模型参数估计问题，在此基础上提供一种基于天牛须搜索算法与人工蜂群算法融合的软件可靠性模型参数估计方法。

技术方案：本发明所述的一种软件可靠性模型参数估计方法，具体操作步骤如下：

(1)、获取训练所需的软件失效时间序列，对前一部分数据进行训练，以预测有五个失效的失效时间；

(2)、利用极大似然估计公式构造一种新的适应值函数，用于初始化模型参数；

(3)、用天牛须搜索算法BAS进行训练，训练中用天牛的位置更新公式更新天牛位置x；

(4)、在天牛位置x周围，运用人工蜂群算法ABC进行搜素，将ABC算法得到的最优位置作为天牛新的位置x，重复步骤(3)，直至达到BAS算法的最大迭代次数；

(5)、根据得到的最优位置和最优适应值，求出模型参数a，其中，最优位置即为参数b；