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，37000cm威尼斯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，37000cm威尼斯为第一单位，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。