崔 霞 高建华(华东师范大学计算机科学与软件工程系 上海 0006)(上海师范大学计算机科学与技术系 上海 0034)

0 引 言

软件可靠性增长模型SRGM[1]的主要目的在于描述软件在开发设计阶段，软件中的错误不断被发现和纠正，可靠性不断增长的过程，并用于估计软件的可靠性和残余错误数等。非齐次泊松过程NHPP模型是SRGM中应用最广泛的一类。

文献[2-3]并未指出没有统计框架的非NHPP类SRGM基于三种加权平均，能否达到提升模型预测精度的目的、提升的幅度如何等。本文基于一种实数编码GA算法[4]，针对不同的时间间隔故障数据集，求取最优的非NHPP模型及其组合加权系数。运用均方误差函数，比较组合前后预测精度的差异。实验结果表明，虽然在非NHPP类SRGM中尚未建立某种统一框架，但基于实数编码GA算法的加权平均方法依然可以在某种程度上提高SRGM的预测能力。模型预测精度的提高幅度也较为明显。

1 非NHPP类SRGM的加权组合

NHPP类SRGM的统一框架性质是加权组合后可靠性预测精度提高的理论基础[2-3,5-10]。本节将对没有相似统一框架特性的其他非NHPP类SRGM考察加权组合的效果和特性。

1.1 候选非NHPP类SRGM

除了NHPP类SRGM 以外，在软件可靠性工程中应用较多的还有Markov过程模型(例如，Jelinski-Moranda模型，简称J-M模型；Musa执行时间模型，简称Musa模型)、贝叶斯模型(例如，Littlewood-Verrall模型，简称L-V模型；Littlewood’s Bayesian Debugging Model模型，简称LDM模型)等[1]。本文选择J-M模型、Musa模型、L-V模型和LDM模型作为候选模型。其主要原因：一方面是上述4种模型具有一定的代表性；另一方面该4种模型都使用失效时间间隔TBF(Time between Failure)数据作为模型实施的要求数据。……