于苗苗 朱 兵 李 震 王东升 魏海峰

（1.江苏科技大学电子信息学院 镇江 212003）（2.上海船舶研究设计院 上海 201203）（3.江苏科技大学计算机学院 镇江 212003）

1 引言

软件可靠性是评判软件质量的重要特征之一，也是评价软件质量的主要定量标准，具有重要的研究意义，因此越来越受到研究者的重视。迄今为止，研究者们已经发表了近百种软件可靠性模型，比如G-O模型［1］、M-O模型［2］和J-M模型［3］等。然而这些模型基本上都是非线性函数模型，很难直接估计它们的参数，所以一种新的思路是将智能优化算法应用到模型参数的估计中。

群体智能算法在电力系统、航空航天、无线传感网络等领域得到了广泛的研究与应用，但是在可靠性方面的研究相对较少。Harish Garg等［4］提出将PSO算法用于工业系统的可靠性分析中，通过PSO算法来优化系统中的关键参数，从而提高工业系统的性能及可靠性；Tarun Kumar Sharma等［5］提出将一种改进的ABC算法用于软件可靠性增长模型的参数估计中，改进后的算法具有双向搜索的能力，这使得算法的全局探索能力更强，性能更好，能更准确地预测模型的参数；Alaa Sheta［6］提出将粒子群算法用于软件可靠性增长模型的问题中，通过PSO算法优化模型的参数，从而更好地通过模型来预测软件失效数。WPA作为群体智能优化算法的一种，是由吴虎胜等学者系统地提出［7］。该算法具有较好的全局收敛性和较高的精度值，种群的多样性较高。狼群算法也是一种典型的群体智能算法，目前对于狼群在一些领域的应用也是较多，比如图像分割、无人机等［8～12］。……