随着软件应用的日益广泛及其重要性的不断增加,人们对软件质量的要求也越来越高。软件可靠性模型作为可靠性评测的核心和关键,可用于软件生命周期的不同阶段,定量地估计和预测软件可靠性行为,这对于软件资源分配、软件市场决策有着重要意义。虽然软件可靠性模型已经从研究阶段发展到了工程阶段,但是,面对软件自身及其开发过程日益复杂的情形,这些模型仍然呈现出一定的局限性,最为突出的问题就是模型应用的不一致性。遗传规划(Genetic Programming,GP)因其不受各个数据集特殊性的影响,从而不需假定随机性作为数据的基本特征,也无需关心数据是否为线性或同质非线性(可转换为线性系统的非线性系统),更不用了解失效的内在过程,而是在所提供的数据基础上对一个“真实”过程进行演化建模,从而有效地描述软件的失效机理,并对软件的下一失效时刻做出准确预测。本文采用遗传规划算法在由指定函数算子复合构成的函数空间中搜索尽可能反映系统行为的模型,进而从算法本身的收敛特性上论证了遗传规划能够得到满足失效行为变化规律的最优解。进一步地,采用粒子群(Particle Swarm Optimization,PSO)算法进行参数调整,实现了模型优化,最终提出了基于遗传规划的软件可靠性预测方法。本文以三组经典的失效数据序列为例,较为详细地介绍了遗传规划建模过程,并针对可靠性参数、短期预测能力以及模型评价准则(序列似然度、模型偏差、偏差趋势等)的统计结果与其它模型比较,通过计算、仿真试验,证实了新模型同传统模型相比预测精度较高、对样本数据的依赖程度更低。该方法无需任何条件假设,具有良好的模型应用一致性,在一定程度上改善了现有模型精度低、适应性差的问题,对丰富软件可靠性建模的思想和体系具有积极意义。