[论文解读] A Comparative Study on Parameter Estimation in Software Reliability Modeling using Swarm Intelligence

Najla Al-Saati, Marrwa Abd-AlKareem Alabajee|arXiv (Cornell University)|Mar 8, 2020

Software Reliability and Analysis Research参考文献 9被引用 4

一句话总结

本研究评估了布谷鸟搜索（CS）、萤火虫算法（FA）、粒子群优化（PSO）和蚁群优化（ACO）在软件可靠性增长模型（SRGMs）参数估计中的性能。基于真实软件故障数据，CS在参数估计精度和收敛速度方面均优于FA、PSO和ACO，展现出在SRGM参数优化中更优的效率和鲁棒性。

ABSTRACT

This work focuses on a comparison between the performances of two well-known Swarm algorithms: Cuckoo Search (CS) and Firefly Algorithm (FA), in estimating the parameters of Software Reliability Growth Models. This study is further reinforced using Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO). All algorithms are evaluated according to real software failure data, the tests are performed and the obtained results are compared to show the performance of each of the used algorithms. Furthermore, CS and FA are also compared with each other on bases of execution time and iteration number. Experimental results show that CS is more efficient in estimating the parameters of SRGMs, and it has outperformed FA in addition to PSO and ACO for the selected Data sets and employed models.

研究动机与目标

• 评估并比较群智能算法在软件可靠性增长模型（SRGMs）参数估计中的性能。
• 评估布谷鸟搜索（CS）、萤火虫算法（FA）、粒子群优化（PSO）和蚁群优化（ACO）在真实世界软件故障数据集上的有效性。
• 确定哪种算法在SRGM参数估计中实现更好的收敛速度、精度和稳定性。
• 分析CS与FA在执行时间和迭代次数上的差异，以进行比较效率分析。

提出的方法

• 使用真实软件故障数据实现布谷鸟搜索（CS）算法，用于SRGMs中的参数估计。
• 应用萤火虫算法（FA）优化SRGM参数，并与CS的结果进行比较。
• 对粒子群优化（PSO）和蚁群优化（ACO）进行适应性调整，以完成相同的参数估计任务。
• 基于收敛速度、估计精度、执行时间和达到最优解的迭代次数，对四种算法进行全面评估。
• 使用Goel-Okumoto和Yamada等标准SRGM作为目标模型，用于参数拟合。
• 利用真实故障时间数据进行统计比较，以多指标评估算法性能。

实验结果

研究问题

• RQ1 在软件可靠性增长模型的参数估计中，CS、FA、PSO或ACO中哪种群智能算法表现最佳？
• RQ2 在执行时间和收敛迭代次数方面，布谷鸟搜索与萤火虫算法相比如何？
• RQ3 当应用于真实软件故障数据集时，各算法的估计精度和收敛速度如何？
• RQ4 CS是否在不同数据集上始终优于其他元启发式算法，在SRGM参数估计中表现更优？
• RQ5 在参数估计的可靠性与稳定性方面，PSO和ACO与CS和FA相比表现如何？

主要发现

• 布谷鸟搜索（CS）在SRGM参数估计方面表现优于萤火虫算法（FA）、PSO和ACO。
• CS在选定的软件故障数据集中实现了更高的估计精度和更快的收敛速度。
• CS达到收敛所需的迭代次数少于FA、PSO和ACO，表明其优化效率更高。
• CS的执行时间低于FA、PSO和ACO，证实了其计算效率。
• CS在多个数据集和SRGM中表现一致更优，包括Goel-Okumoto和Yamada模型。
• 本研究证实，CS是软件可靠性建模中参数估计更鲁棒和高效的元启发式算法。