崔梦天，吴克奇，谢 琪，周绪川，贺春林

(1.西南民族大学计算机系统国家民委重点实验室，四川 成都610041；2.西华师范大学计算机学院，四川 南充637009)

开源软件作为软件产业未来发展的主要趋势之一，如何保证其质量始终是业内关注且至关重要的问题.开源软件的开放性和基于社区的共享性使得源码中经常包含很多漏洞，导致缺陷处理的成本大幅增加，阻碍了开源软件的应用推广.因此，研究的热点之一是如何有效、准确地发现软件缺陷，并快速修复软件缺陷.为了评估动态系统中的构件可靠性，文献[1]提出了一种模型选择方法.为了克服神经网络易陷入局部最优，文献[2]提出了灰狼优化算法.

无论在模型表达还是在计算思想上，量子计算、神经网络和遗传算法之间都存在着许多类似的地方，大量学者对量子计算、遗传算法和神经网络相结合并开展了许多研究[3].人工神经网络算法是机器学习中的一种常用算法，BP神经网络被广泛用于缺陷预测.但传统BP网络容易陷入局部最优，影响预测准确率.为了提高缺陷预测准确率，利用量子遗传算法(QGA)优化网络的权值和阈值，构建预测模型进行实验.通过实验的对比，得出本文的软件缺陷模型预测的结果优于传统BP神经网络和标准的QGA-BP预测的结果.

1 相关工作

软件缺陷预测技术通过挖掘、分析软件项目中的历史开发数据来检测潜在有缺陷的软件模块，从而提高开发效率，节省开发成本.

1.1 BP神经网……

登录APP查看全文