基于RBF神经网络和Adam算法的测试用例生成方法

本发明属于机器学习技术领域，具体涉及一种基于RBF神经网络和Adam算法的测试用例生成方法，包括：S1、设计RBF神经网络的训练样本，通过遗传算法生成测试用例及其适应度值，测试用例用作神经网络的输入数据；S2、建立RBF神经网络；S3、使用Adam算法调整RBF神经网络的参数；S4、利用训练样本对RBF神经网络进行训练，计算均方根误差并动态调整隐含层神经元数量；S5、完成训练后，使用遗传算法进行测试用例生成，通过RBF神经网络预测个体适应度值。本发明的方法，通过训练优化后的RBF神经网络模型模拟适应度函数，对测试用例个体的适应度值进行预测，以此来代替程序插桩，解决测试用例生成算法进行程序插桩带来的时间损耗。