基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究

摘要：

针对软件缺陷预测中数据维度的复杂化和类不平衡问题,提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法.该方法采用了多组策略萤火虫算法(MSFFA),以最小化数据的特征选择比率和最大化模型评测A UC值为多目标目标函数,分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型.考虑到进化算法自身的迭代特点,嵌入代理模型离线完成部分个体评价函数的计算,以缩短计算耗时.在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证,与NSGA-II方法相比,在项目PC1、KC1和MC1上模型A UC均值分别提升0.17、降低0.01和提升0.09,平均特征选择比率分别降低0.08,0.17和0.05,平均耗时分别增加131 s,降低了199 s和降低了431 s.实验结果表明,提出的方法在提高模型性能、降低特征选择比率和缩短计算耗时方面具有明显的优势.

关键词：软件缺陷预测、机器学习、多目标、萤火虫算法、代理辅助

所属期刊栏目：44

分类号：TP311.55(计算技术、计算机技术)

资助基金：国家自然科学基金61763019

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：257-265