• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于和聲搜索算法的軟件可靠性模型參數估計方法

    2017-03-09 02:51:23周園園李敬明
    關鍵詞:軟件可靠性搜索算法參數估計

    周園園,錢 麗,李敬明

    (1.安徽廣播電視大學省直分校 技術中心,安徽 合肥 230001;2.安徽新華學院 信息工程學院, 安徽 合肥 230088)

    基于和聲搜索算法的軟件可靠性模型參數估計方法

    周園園1,錢 麗2,李敬明2

    (1.安徽廣播電視大學省直分校 技術中心,安徽 合肥 230001;2.安徽新華學院 信息工程學院, 安徽 合肥 230088)

    針對軟件可靠性模型中參數估計不精確的問題,提出了一種基于和聲搜索算法的軟件可靠性模型參數估計方法.為了避免和聲搜索算法在求解參數時陷入局部最優(yōu)解,對算法作了改進:在和聲記憶庫初始化時采用反向學習策略,提高了收斂速度;利用全局信息產生新解,提高了全局搜索能力.使用該方法對5組數據的兩個軟件可靠性模型的參數進行了估計,實驗結果表明,本算法應用于參數估計具有可行性和有效性,在精度和算法的收斂性上,明顯優(yōu)于其他智能算法.

    軟件可靠性模型;和聲搜索算法;參數估計

    隨著軟件規(guī)模日益擴大,人們對軟件可靠性也越來越重視.軟件可靠性模型就是采用統(tǒng)計知識對軟件實際使用中收集的或軟件測試中的失效數據進行分析,找出規(guī)律,建立一個參數模型,然后在軟件可靠性數據的基礎上對模型中的未知參數進行估計,最后用此模型對軟件的可靠性進行定量估計或評價,從而開發(fā)出可靠的軟件[1]. 參數估計是軟件可靠性預測中最重要的一部分,參數估值結果的準確性決定了軟件產品的可靠性評估結果的準確性.但是目前的軟件可靠性模型大部分是非線性函數模型,其參數較難以估計.估計模型中參數的方法有很多,傳統(tǒng)的有極大似然法、最小二乘法和貝葉斯法. 目前較新的參數估計方法是采用智能優(yōu)化算法. 馬敏書等利用遺傳算法求解可靠性模型中的參數[2],但該方法結構較復雜,精確度很低;張克涵等利用粒子群算法求解可靠性模型的參數[3],該方法計算的結果精確度較高,但搜索范圍大,收斂速度慢;鄭長友等利用蟻群算法求解可靠性模型的參數[4],該算法雖收斂速度較快,但精確度有待提高.因此,需要尋求一種更好的算法. 和聲搜索(HarmonySearch,HS)算法是一種新的智能優(yōu)化算法,該算法簡單通用,易于與其他算法混合,構造出具有更優(yōu)性能的算法從而更好地解決函數優(yōu)化問題.有關研究表明,在解決多維函數優(yōu)化問題上HS算法比遺傳算法、模擬退火算法等具有更好的優(yōu)化性能[5-8]. 因此,將該算法應用到軟件可靠性模型的參數估計中是可行的.

    1 軟件可靠性模型

    目前軟件可靠性模型有100多種,其中使用最多的是GO模型和MO模型,這兩個模型在預測的可靠性方面比較好.GO模型屬于指數軟件可靠性模型,MO模型屬于非齊次泊松過程模型,它們代表了大部分的軟件可靠性模型.本文研究的是GO模型和MO模型,它們的均值函數形式如下[9]:

    GO模型:

    μ(t)=a(1-e-bt)

    (1)

    MO模型:

    μ(t)=ln(λ0θt+1)/θ

    (2)

    式中:μ(t)表示截止到t時刻檢測到錯誤數的期望值;t表示錯誤發(fā)現(xiàn)的時刻;a,b,λ0,θ為未知參數.

    2 和聲搜索算法

    2.1 標準和聲搜索算法(HS)

    HS算法模擬音樂演奏家創(chuàng)作的過程,在創(chuàng)作過程中音樂家不斷地調整所奏樂器的音調,使整個演奏過程達到最佳狀態(tài).HS算法中將樂器、樂器的音調、和聲、和聲效果評價與組合優(yōu)化問題中的決策變量、決策變量的值、決策變量組成的解向量、目標函數的適應度值進行類比. 具體的算法步驟如下[8]:

    (1)初始化算法參數

    初始化算法參數包括:決策變量的個數N;和聲記憶庫的大小HMS;各個決策變量的取值范圍[Li,Ui];和聲記憶庫考慮概率HMCR;音調微調概率PAR;音調微調帶寬BW;算法的迭代次數NI.

    (2)初始化和聲記憶庫HM

    隨機生成HMS個和聲x1,x2,…,xHMS存入和聲記憶庫HM作為優(yōu)化問題的初始解.

    和聲記憶庫中的每個音調(即決策變量)按照式(3)產生:

    (3)

    式中,i=1,2,…,HMS;j=1,2,…,N;Li和Ui分別是j分量值域的下界和上界;

    (3)產生一個新的和聲

    首先,考慮和聲記憶庫或者隨機產生音調,公式如(4)式:

    (4)

    (5)

    (4)更新和聲記憶庫HM

    (5)檢查算法終止條件

    重復步驟(3)和步驟(4),直到創(chuàng)作( 迭代) 次數達到NI為止.

    2.2 改進的和聲搜索算法

    針對標準HS算法在后期收斂速度較慢和容易陷入局部最優(yōu)解的問題,本文對標準HS算法做了如下兩點改進:

    (1)和聲記憶庫初始化的改進

    反向學習策略已經被證明能產生高質量的初始解[10],提高算法的收斂速度,而且已經被成功地應用到其他智能算法的解空間的初始化中.

    為了提高初始解的質量,本算法不再按照標準的HS算法采用均勻分布的策略,而是采用均勻分布與反向學習相結合的策略對和聲記憶庫初始化. 和聲記憶庫中一半的解按照均勻分布策略產生如式(3),剩余的一半解采用反向學習策略產生如式(6).

    (6)

    式中,k=HMS/2+1,…,HMS.

    (2)新解產生的改進

    為了提高算法的全局搜索能力,避免算法陷入局部最優(yōu)解,在產生新解的步驟中,保留當前和聲記憶庫中的最優(yōu)解,對標準HS算法中的式(5)做了改進,若新解來自于和聲記憶庫,有一半的概率是來自最優(yōu)解,新解不再按照式(5)產生,而是按照式(7)產生:

    (7)

    式中,i=1,2,…,n;k=1,2,…,HMS,即將當前和聲記憶庫中最優(yōu)解的第j維變量賦值給新解的第j維變量.

    改進的HS算法流程與標準HS算法流程相同.

    3 基于和聲搜索算法的軟件可靠性模型參數估計方法

    3.1 算法流程

    對兩個模型中參數估計就是如何確定式(1)中a和b的值,式(2)中λ0和θ的值,使得每個模型的均值函數曲線更接近于實測數據曲線.

    目標函數的構造是利用HS算法估計軟件可靠性模型參數的關鍵,它是最優(yōu)解的評價標準,借鑒文獻[3],本文采用式(8)作為目標函數,即

    (8)

    式中:T表示測試終止時間;m(t)表示累計到t時刻實際測試出來的軟件失效數;μ(t)表示模型的均值函數;J表示模型估計的軟件失效數與實際測試出的軟件失效數之間的歐氏距離,其大小可以表示模型預測的精確度,J值越小,參數估計越準確,模型越精確.

    利用HS算法估計參數時,首先預估每個式子中的未知參數的個數即HS算法中變量的個數,式(1)和(2)變量個數都是2;然后給出未知參數取值范圍即HS算法中變量的值域;最后將文獻[11]的實際數據集作為m(t)的數據,使用HS算法求解軟件可靠性模型的均值函數的未知參數.具體算法流程如圖1所示.

    圖1 算法流程圖

    3.2 仿真實驗

    采用Matlab2013使用改進后的HS算法,對Musa數據集[11]中的SYS1、SYS2、CSR1、CSR2、SS3 5組數據進行實驗. 實驗中HS算法中參數設置為HMS=5,HMCR=0.95,PARmin= 0.01,PARmax=0.99,BWmin=0.000 001,BWmax=(Ui-Li)/20,NI=50 000. 算法獨立運行20次,取目標函數J的最小值所對應的參數.參數估計的精確度根據目標函數評價,目標函數值J越小,說明參數估計的精確度越高.

    表1和表2給出了用5組數據估計兩個可靠性模型參數的實驗結果.結果表明了HS搜索算法應用于參數估計的可行性. 表3給出了粒子群(PSO)算法、蟻群算法和本文的HS算法參數擬合的結果.圖2~圖8則給出了兩種模型分別擬合5組數據的曲線.

    表1 G-O模型參數估計結果

    數據集模型參數估計值ab適應值JSYS1124.4664670.00005168.58356SYS294.1493390.00001911.8704995CSR1352.5592470.000077341.669559CSR2114.2036060.00006882.012696SS3455.0524430.000018144.179677

    表2 M-O模型參數估計結果

    數據集模型參數估計值λ0θ適應值JSYS10.010340.02270331.60092SYS20.002230.02010810.16799CSR10.0469470.009278406.2147CSR20.0119130.0253373.07945SS30.0085140.003068154.4498

    表3 PSO、蟻群算法和HS算法參數擬合的結果

    數據集G-O模型M-O模型PSO[3]蟻群算法[4]HS算法PSO[3]蟻群算法[4]HS算法SYS196.6076.2968.585034.0833.3231.6010SYS237.2230.9312.039930.0624.9710.1681CSR1354.10356.68341.6739420.68406.99406.2147CSR2421.8382.9982.012875.6175.3373.0795SS31270.31149.96144.3090276.40159.41154.4500

    3.3 結果分析

    (1)與PSO算法、蟻群算法的比較

    由表1~表3和圖2~圖6可見, 本文提出的軟件可靠性模型參數估計方法效果比較好,沒有擬合不出來的情況,說明該算法對不同軟件可靠性模型的適應性也比較好.從表3中可以看出,本文的方法得出的精度明顯比PSO和蟻群算法的精度高.

    圖2 SYS1數據的擬合結果

    圖3 SYS2數據的擬合結果

    圖4 CRS1數據的擬合結果

    圖5 CRS2數據的擬合結果

    圖6 SS3數據的擬合結果

    (2)與其他HS方法的比較

    圖7給出了HS、IHS和IGHS 3種算法以SYS1數據集為測試數據求解GO模型優(yōu)化的收斂曲線(限于篇幅,未給出其他模型優(yōu)化收斂曲線),比較了3種算法的收斂速度,橫坐標表示迭代次數,每迭代1 000次保留一次最優(yōu)值,縱坐標取最優(yōu)值的以2為底的對數表示.從圖7可以看出,改進算法的初始解的質量較高,在前3 000次迭代曲線相差不大,表明3種算法都能較快收斂,在8 000次時本文算法已趨于收斂,12 000次后HS和IHS算法才趨于收斂,這表明本文算法的收斂速度比HS,IHS的更快,其中IHS收斂速度是最慢的,這表明僅僅按照線性的調整參數未必能改善HS的性能.

    圖7 3種HS算法的收斂曲線

    4 結束語

    針對估計軟件可靠性模型中的參數不精確問題,提出一種改進的和聲搜索算法用于估計軟件可靠性模型參數.該算法采用反向學習策略初始化和聲記憶庫,并利用當前和聲記憶庫的最優(yōu)解產生新解來改進算法. 使用該方法分別估計了Musa數據集中的5組數據的兩種軟件可靠性模型,通過實驗驗證了和聲搜索算法在參數估計應用中的可行性和有效性.通過與其他智能算法比較可知,該算法參數估計的精度高、收斂速度快,能適應不同的模型.

    [1]陸民演. 軟件可靠性工程[M]. 北京: 國防工程出版社, 2011.

    [2] 馬敏書, 張仲義, 呂永波. 利用遺傳算法進行軟件可靠性增長模型參數估計[J]. 中國安全科學學報, 2004, 14(7): 9-12.

    [3] 張克涵, 李愛國, 宋保維. 基于 PSO 的軟件可靠性模型參數估計方法[J]. 計算機工程與應用, 2008, 44(11): 47-49.

    [4] 鄭長友, 劉曉明, 黃松. 基于蟻群算法的軟件可靠性模型參數估計方法[J]. 計算機應用, 2012, 32(04): 1 147-1 151.

    [5] TUO S H, ZHANG J Y. A harmony search algorithm for high dimensional multimodal optimization problems[J]. Digital Signal Processing, 2015, 46 : 151-163 .

    [6] EHSAN V, SAEED T, SHAHRAM M. An intelligent global harmony search approach to continuous optimization problems[J]. Applied Mathematics and Computation, 2014, 232 : 670-684.

    [7] ASHRAFI S M, DARIANE A B. Performance evaluation of an improved harmony search algorithm for numerical optimization: Melody Search (MS)[J]. Engineering Applications of Artificial Intelligence, 2013, 26(4): 1 301-1 321.

    [8] 雍龍泉.和聲搜索算法研究進展[J]. 計算機系統(tǒng)應用, 2011, 20(7): 244-248.

    [9] HOANG P. 系統(tǒng)軟件可靠性[M].李璐煒,譯.北京:國防工程出版社,2014:203-205.

    [10] WANG H, WU Z, RAHNAMAYAN S, et al. Enhancing particle swarm optimization using generalized opposition-based learning[J]. Information Sciences, 2011, 181(20): 4 699-4 714.

    [11] LYU M R.Handbook of software reliability engineering[M/OL].New York:IEEE.Computer Society Press,1996[2016-05-13]. http://www.cse.cuhk.edu.hk/~lyu/book/reliability/data.htm.

    (編輯:郝秀清)

    Estimatingparametersofsoftwarereliabilitymodelbyharmonysearchalgorithm

    ZHOUYuan-yuan1,QIANLi2,LIJing-ming2

    (1.TechnologyCenter,AnhuiShengzhiRadioandTVUniversity,Hefei230001,China;2.SchoolofInformationEngineering,AnhuiXinhuaUniversity,Hefei230088,China)

    Astotheproblemofinaccurateestimationoftheparametersofsoftwarereliabilitymodel,amethodofestimatingparametersofsoftwarereliabilitymodelbasedontheharmonysearchalgorithmisproposedinthispaper.Inordertoavoidtheharmonysearchalgorithmforsolvingtheparametersintoalocaloptimalsolution,twoimprovementsaremade.Firstly,theopposition-basedlearningisusedtoinitializedharmonymemorytoimprovethespeedofconvergence.Secondly,globalinformationisusedtogeneratethenewtoimprovetheglobalsearchability.Theparametersoftwosoftwarereliabilitymodelsofsevendatasetswereestimatedbytheproposedmethod.Theexperimentalresultsshowthatthealgorithmisfeasibilityandeffectivenessinparameterestimationandissuperiortoothermeta-heuristicalgorithmsintheconvergenceandaccuracy.

    softwarereliabilitymodel;harmonysearchalgorithm;parameterestimation

    2016-05-18

    安徽省教育廳自然科學基金重點項目(KJ2014A100,KJ2016A308)

    周園園, 女,yuanyzhou@qq.com

    1672-6197(2017)02-0044-05

    TP301.6

    A

    猜你喜歡
    軟件可靠性搜索算法參數估計
    基于新型DFrFT的LFM信號參數估計算法
    改進的和聲搜索算法求解凸二次規(guī)劃及線性規(guī)劃
    軟件可靠性工程綜合應用建模技術研究
    Logistic回歸模型的幾乎無偏兩參數估計
    基于向前方程的平穩(wěn)分布參數估計
    數控系統(tǒng)軟件可靠性設計與故障分析技術
    基于競爭失效數據的Lindley分布參數估計
    基于汽車接力的潮流轉移快速搜索算法
    基于逐維改進的自適應步長布谷鳥搜索算法
    基于跳點搜索算法的網格地圖尋路
    久久国产精品大桥未久av| 一本—道久久a久久精品蜜桃钙片| 亚洲久久久国产精品| 热99久久久久精品小说推荐| 日韩电影二区| 日本欧美视频一区| 久久精品国产a三级三级三级| 成年av动漫网址| 激情视频va一区二区三区| 欧美成人午夜精品| 侵犯人妻中文字幕一二三四区| 最近的中文字幕免费完整| 久久久久国产精品人妻一区二区| 狂野欧美激情性bbbbbb| 亚洲国产精品成人久久小说| 中文乱码字字幕精品一区二区三区| 色婷婷久久久亚洲欧美| 18禁在线无遮挡免费观看视频| 午夜福利视频精品| 九色成人免费人妻av| 亚洲精品色激情综合| 少妇的丰满在线观看| 亚洲av男天堂| 少妇人妻 视频| 精品国产乱码久久久久久小说| 日韩中字成人| 欧美日韩视频精品一区| 18在线观看网站| 汤姆久久久久久久影院中文字幕| 蜜臀久久99精品久久宅男| 日韩一本色道免费dvd| 日产精品乱码卡一卡2卡三| 日产精品乱码卡一卡2卡三| 一级,二级,三级黄色视频| 狠狠婷婷综合久久久久久88av| 久久久久久久久久人人人人人人| 九草在线视频观看| 人妻一区二区av| 亚洲成av片中文字幕在线观看 | 成人国产麻豆网| 1024视频免费在线观看| 国产极品天堂在线| freevideosex欧美| 最新的欧美精品一区二区| 亚洲av中文av极速乱| 国产精品一国产av| 亚洲欧美成人综合另类久久久| 精品一区二区三区四区五区乱码 | 边亲边吃奶的免费视频| 香蕉丝袜av| 不卡视频在线观看欧美| 女人久久www免费人成看片| 女性生殖器流出的白浆| 亚洲成色77777| 久久国产精品大桥未久av| 插逼视频在线观看| 亚洲精品aⅴ在线观看| 国产黄色免费在线视频| 亚洲精品,欧美精品| 大香蕉久久成人网| 日本午夜av视频| 搡女人真爽免费视频火全软件| 日韩不卡一区二区三区视频在线| 精品久久久久久电影网| 亚洲一级一片aⅴ在线观看| 国产精品免费大片| 青春草亚洲视频在线观看| 久久ye,这里只有精品| 黑人欧美特级aaaaaa片| 一区二区三区四区激情视频| 春色校园在线视频观看| 国产亚洲精品久久久com| 少妇熟女欧美另类| 国产亚洲一区二区精品| 天天躁夜夜躁狠狠躁躁| 亚洲精品一区蜜桃| 国产淫语在线视频| 激情视频va一区二区三区| 人体艺术视频欧美日本| 啦啦啦视频在线资源免费观看| 国产女主播在线喷水免费视频网站| 国产精品国产三级国产专区5o| 丰满饥渴人妻一区二区三| 成年av动漫网址| 婷婷色综合www| 久久 成人 亚洲| 99久久精品国产国产毛片| 麻豆精品久久久久久蜜桃| 亚洲美女搞黄在线观看| 一个人免费看片子| 蜜桃在线观看..| 亚洲中文av在线| 最近最新中文字幕大全免费视频 | av片东京热男人的天堂| 97在线视频观看| 亚洲欧美日韩卡通动漫| 国语对白做爰xxxⅹ性视频网站| 在现免费观看毛片| 麻豆乱淫一区二区| 国产在线一区二区三区精| 国产av一区二区精品久久| 日本黄色日本黄色录像| 人人妻人人澡人人爽人人夜夜| 永久免费av网站大全| 69精品国产乱码久久久| 美女国产视频在线观看| 黑人猛操日本美女一级片| 国产av国产精品国产| 大香蕉97超碰在线| 亚洲精品456在线播放app| 又黄又爽又刺激的免费视频.| 久久av网站| 99视频精品全部免费 在线| 午夜日本视频在线| 又大又黄又爽视频免费| 午夜久久久在线观看| 在线观看美女被高潮喷水网站| 一本大道久久a久久精品| 欧美3d第一页| 欧美精品高潮呻吟av久久| 不卡视频在线观看欧美| 日本黄大片高清| 中文字幕人妻熟女乱码| 国产亚洲欧美精品永久| 日本爱情动作片www.在线观看| 国产精品久久久久成人av| 三级国产精品片| 国产亚洲精品第一综合不卡 | 又粗又硬又长又爽又黄的视频| 青春草亚洲视频在线观看| 毛片一级片免费看久久久久| 国产精品熟女久久久久浪| 999精品在线视频| 精品视频人人做人人爽| 免费看光身美女| 久久免费观看电影| 久久久亚洲精品成人影院| 一级片免费观看大全| 国产欧美日韩综合在线一区二区| 久久久国产一区二区| 大片免费播放器 马上看| 亚洲五月色婷婷综合| 国产在线一区二区三区精| 色5月婷婷丁香| 熟女电影av网| freevideosex欧美| 18禁裸乳无遮挡动漫免费视频| 黄片播放在线免费| 99久久综合免费| 亚洲欧美中文字幕日韩二区| 内地一区二区视频在线| 国产又色又爽无遮挡免| 国产免费福利视频在线观看| 婷婷色综合大香蕉| 国产激情久久老熟女| 少妇猛男粗大的猛烈进出视频| 日韩 亚洲 欧美在线| 99久久人妻综合| 精品一区二区三卡| 欧美激情极品国产一区二区三区 | 国产在视频线精品| 久热久热在线精品观看| 久久国产精品男人的天堂亚洲 | 日日摸夜夜添夜夜爱| 亚洲精品日本国产第一区| 蜜桃国产av成人99| 精品一品国产午夜福利视频| 久久久久久久久久久免费av| 国产黄色免费在线视频| 精品久久久久久电影网| 日本av手机在线免费观看| 国产亚洲精品久久久com| 热re99久久精品国产66热6| 一级爰片在线观看| 国产精品.久久久| 国产极品天堂在线| 最近最新中文字幕免费大全7| 亚洲情色 制服丝袜| 亚洲四区av| 亚洲美女搞黄在线观看| 久久毛片免费看一区二区三区| av.在线天堂| 久久免费观看电影| av免费在线看不卡| 久久精品久久精品一区二区三区| 亚洲欧美日韩另类电影网站| 夜夜爽夜夜爽视频| 性高湖久久久久久久久免费观看| 亚洲av国产av综合av卡| 黑人高潮一二区| 最近中文字幕高清免费大全6| 国产黄色视频一区二区在线观看| 久热久热在线精品观看| 中国美白少妇内射xxxbb| av.在线天堂| 午夜av观看不卡| 国产亚洲欧美精品永久| 最后的刺客免费高清国语| 激情视频va一区二区三区| 久久久精品免费免费高清| 亚洲第一区二区三区不卡| 成人国产麻豆网| 亚洲国产精品一区三区| 曰老女人黄片| 午夜福利视频在线观看免费| 亚洲经典国产精华液单| 99香蕉大伊视频| av天堂久久9| 侵犯人妻中文字幕一二三四区| 美女中出高潮动态图| 免费观看在线日韩| 国产成人免费观看mmmm| av在线播放精品| 国产 精品1| 精品一品国产午夜福利视频| 国产免费福利视频在线观看| 国产成人免费观看mmmm| 美女福利国产在线| 国产精品蜜桃在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲欧美一区二区三区国产| 精品一区二区三卡| 国产熟女欧美一区二区| 欧美bdsm另类| 久久99热这里只频精品6学生| 青春草国产在线视频| 久久精品熟女亚洲av麻豆精品| 欧美日韩一区二区视频在线观看视频在线| 免费在线观看黄色视频的| 国产综合精华液| 侵犯人妻中文字幕一二三四区| 成年女人在线观看亚洲视频| 精品国产一区二区三区久久久樱花| 国产极品粉嫩免费观看在线| av国产精品久久久久影院| 婷婷色av中文字幕| 亚洲成av片中文字幕在线观看 | a级片在线免费高清观看视频| 亚洲精品乱码久久久久久按摩| 国产一区亚洲一区在线观看| 亚洲成人手机| 18禁动态无遮挡网站| 日本黄色日本黄色录像| 国产精品偷伦视频观看了| 狂野欧美激情性xxxx在线观看| 亚洲国产精品成人久久小说| 免费人成在线观看视频色| 交换朋友夫妻互换小说| 日日撸夜夜添| 国产免费视频播放在线视频| 妹子高潮喷水视频| 欧美老熟妇乱子伦牲交| 超色免费av| 人人妻人人添人人爽欧美一区卜| 春色校园在线视频观看| 天天躁夜夜躁狠狠躁躁| 十八禁网站网址无遮挡| av在线观看视频网站免费| 免费av中文字幕在线| 亚洲五月色婷婷综合| 国产精品不卡视频一区二区| 婷婷色麻豆天堂久久| 国产国拍精品亚洲av在线观看| 精品一区二区三区视频在线| 老女人水多毛片| 国产av精品麻豆| 中文精品一卡2卡3卡4更新| 久久久久网色| h视频一区二区三区| 欧美精品人与动牲交sv欧美| 欧美国产精品一级二级三级| 一二三四在线观看免费中文在 | 男女下面插进去视频免费观看 | 男女午夜视频在线观看 | 在线观看免费高清a一片| 高清毛片免费看| 在线天堂最新版资源| 成人国产av品久久久| 校园人妻丝袜中文字幕| 亚洲精品中文字幕在线视频| 国产伦理片在线播放av一区| 日韩一本色道免费dvd| 亚洲情色 制服丝袜| 亚洲国产成人一精品久久久| 少妇高潮的动态图| 日本vs欧美在线观看视频| 夜夜骑夜夜射夜夜干| 欧美97在线视频| 视频在线观看一区二区三区| 久久热在线av| 一二三四在线观看免费中文在 | 2022亚洲国产成人精品| 久久久久久久精品精品| 欧美日韩亚洲高清精品| 性高湖久久久久久久久免费观看| 亚洲国产av影院在线观看| videossex国产| 国产精品麻豆人妻色哟哟久久| 成人毛片60女人毛片免费| 大码成人一级视频| 99久国产av精品国产电影| 午夜福利乱码中文字幕| 男女边摸边吃奶| 欧美精品av麻豆av| 超碰97精品在线观看| 国产在线免费精品| 亚洲av成人精品一二三区| 成人无遮挡网站| 久久久国产欧美日韩av| 满18在线观看网站| 日韩av免费高清视频| 丝袜脚勾引网站| 亚洲人成网站在线观看播放| 蜜臀久久99精品久久宅男| 国产日韩一区二区三区精品不卡| 亚洲国产精品一区三区| 国产精品熟女久久久久浪| 午夜影院在线不卡| 亚洲久久久国产精品| 日本与韩国留学比较| 欧美少妇被猛烈插入视频| 9191精品国产免费久久| 国产色爽女视频免费观看| 中文天堂在线官网| 欧美精品av麻豆av| 婷婷色av中文字幕| 国产男女超爽视频在线观看| 精品午夜福利在线看| 精品一区二区三区视频在线| av视频免费观看在线观看| 日本av免费视频播放| 久久国产亚洲av麻豆专区| 在线观看人妻少妇| 国产永久视频网站| 成人18禁高潮啪啪吃奶动态图| 激情视频va一区二区三区| 国产在线免费精品| 国产精品人妻久久久影院| 午夜激情av网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 免费人成在线观看视频色| 最新的欧美精品一区二区| 国产成人a∨麻豆精品| 亚洲欧美色中文字幕在线| 亚洲激情五月婷婷啪啪| 天美传媒精品一区二区| 国产日韩欧美亚洲二区| 人成视频在线观看免费观看| 成人影院久久| 中文字幕制服av| 久久久久久久久久人人人人人人| 国产精品免费大片| 国产精品蜜桃在线观看| 久久人妻熟女aⅴ| av天堂久久9| 成年av动漫网址| 大话2 男鬼变身卡| 久久ye,这里只有精品| 高清毛片免费看| 国产成人精品在线电影| 亚洲av.av天堂| 精品一区二区三区视频在线| 80岁老熟妇乱子伦牲交| 男人操女人黄网站| 欧美 亚洲 国产 日韩一| 中国美白少妇内射xxxbb| 亚洲综合色惰| 女性被躁到高潮视频| 亚洲成av片中文字幕在线观看 | 日本-黄色视频高清免费观看| 成人18禁高潮啪啪吃奶动态图| 高清毛片免费看| 成人毛片a级毛片在线播放| 久久影院123| 国产精品蜜桃在线观看| 中文字幕人妻丝袜制服| 91久久精品国产一区二区三区| 妹子高潮喷水视频| 肉色欧美久久久久久久蜜桃| 久久影院123| 乱码一卡2卡4卡精品| 亚洲精品久久久久久婷婷小说| 精品少妇久久久久久888优播| 亚洲欧美中文字幕日韩二区| 亚洲在久久综合| 久久人人爽人人爽人人片va| 婷婷色av中文字幕| 国产福利在线免费观看视频| 黄色怎么调成土黄色| 一个人免费看片子| 两性夫妻黄色片 | 日日啪夜夜爽| 日产精品乱码卡一卡2卡三| av电影中文网址| 黄色配什么色好看| 亚洲内射少妇av| 九九爱精品视频在线观看| 国产精品 国内视频| 国产精品久久久久久av不卡| 日韩欧美一区视频在线观看| 26uuu在线亚洲综合色| 婷婷色综合www| 国产一区二区三区综合在线观看 | 极品少妇高潮喷水抽搐| 亚洲一区二区三区欧美精品| 亚洲成人手机| 少妇的逼水好多| 少妇人妻久久综合中文| 成人二区视频| 欧美精品一区二区大全| 91精品国产国语对白视频| 美女中出高潮动态图| 久久精品国产自在天天线| a级毛片黄视频| 成年人免费黄色播放视频| 高清av免费在线| 丝袜在线中文字幕| 天堂中文最新版在线下载| 亚洲色图综合在线观看| 青春草视频在线免费观看| 精品国产一区二区久久| 麻豆精品久久久久久蜜桃| 精品熟女少妇av免费看| 精品少妇久久久久久888优播| 欧美97在线视频| 一区二区av电影网| 亚洲精品成人av观看孕妇| 香蕉丝袜av| 黄色毛片三级朝国网站| 另类亚洲欧美激情| 精品久久蜜臀av无| 女的被弄到高潮叫床怎么办| 亚洲精品乱码久久久久久按摩| 美国免费a级毛片| 免费看光身美女| 激情五月婷婷亚洲| 亚洲欧美色中文字幕在线| 婷婷色综合大香蕉| 一二三四在线观看免费中文在 | 日韩三级伦理在线观看| 欧美日韩亚洲高清精品| 午夜日本视频在线| 免费日韩欧美在线观看| 欧美激情极品国产一区二区三区 | 国产精品国产av在线观看| 七月丁香在线播放| 国产精品久久久久久精品古装| 天天操日日干夜夜撸| 国产成人a∨麻豆精品| 久久av网站| √禁漫天堂资源中文www| 一个人免费看片子| 国产国语露脸激情在线看| a级毛色黄片| 男女免费视频国产| videossex国产| 精品少妇黑人巨大在线播放| 午夜久久久在线观看| 亚洲第一av免费看| 国产麻豆69| 青春草国产在线视频| 一级片免费观看大全| 2021少妇久久久久久久久久久| 少妇高潮的动态图| 亚洲精品日韩在线中文字幕| 1024视频免费在线观看| 2018国产大陆天天弄谢| 97在线人人人人妻| 波多野结衣一区麻豆| 在线 av 中文字幕| 亚洲成人av在线免费| 免费大片18禁| 午夜免费男女啪啪视频观看| 女人精品久久久久毛片| 精品99又大又爽又粗少妇毛片| 波多野结衣一区麻豆| 亚洲精品成人av观看孕妇| 母亲3免费完整高清在线观看 | 日韩中文字幕视频在线看片| 亚洲精品国产av蜜桃| 制服诱惑二区| 麻豆精品久久久久久蜜桃| 男女边摸边吃奶| 曰老女人黄片| 永久网站在线| 国产精品久久久久久av不卡| 久久精品国产亚洲av涩爱| 成人漫画全彩无遮挡| 国产精品国产av在线观看| 久久人人爽人人爽人人片va| 乱人伦中国视频| 日韩精品有码人妻一区| 黄色 视频免费看| 免费人妻精品一区二区三区视频| 九色亚洲精品在线播放| 亚洲第一区二区三区不卡| 18禁在线无遮挡免费观看视频| 成年人免费黄色播放视频| 色视频在线一区二区三区| 97超碰精品成人国产| 精品久久国产蜜桃| 日韩视频在线欧美| 欧美日韩精品成人综合77777| 国产亚洲一区二区精品| 亚洲精品自拍成人| 男人爽女人下面视频在线观看| 国产成人精品久久久久久| 亚洲高清免费不卡视频| 成人免费观看视频高清| 亚洲色图综合在线观看| 亚洲,欧美精品.| 狂野欧美激情性xxxx在线观看| 赤兔流量卡办理| 男女边吃奶边做爰视频| 亚洲三级黄色毛片| 国产精品国产三级国产av玫瑰| 亚洲伊人色综图| 亚洲伊人久久精品综合| 99久久人妻综合| 精品国产一区二区久久| 九九爱精品视频在线观看| 一区二区av电影网| 国产爽快片一区二区三区| 国产熟女午夜一区二区三区| 啦啦啦啦在线视频资源| 亚洲美女黄色视频免费看| 激情视频va一区二区三区| 香蕉国产在线看| 中文字幕亚洲精品专区| 国产一区二区在线观看日韩| 婷婷成人精品国产| 91国产中文字幕| 欧美亚洲日本最大视频资源| 国产精品无大码| 激情视频va一区二区三区| 在线观看免费日韩欧美大片| 国产日韩欧美视频二区| 狠狠婷婷综合久久久久久88av| 精品久久久精品久久久| 国产av精品麻豆| 美国免费a级毛片| 久久国产精品大桥未久av| 亚洲国产最新在线播放| 国产高清不卡午夜福利| 卡戴珊不雅视频在线播放| 成人免费观看视频高清| 丝袜美足系列| 国产av码专区亚洲av| 亚洲精品国产av成人精品| 免费观看在线日韩| 亚洲精品日本国产第一区| 国产福利在线免费观看视频| a级毛片黄视频| 22中文网久久字幕| 最近的中文字幕免费完整| 18在线观看网站| 在线观看www视频免费| 欧美日韩视频精品一区| 如何舔出高潮| 免费播放大片免费观看视频在线观看| 久久人人97超碰香蕉20202| 亚洲欧洲国产日韩| 亚洲少妇的诱惑av| 美女国产视频在线观看| 午夜福利视频在线观看免费| 国产成人精品婷婷| 日韩精品免费视频一区二区三区 | 最近手机中文字幕大全| 日本-黄色视频高清免费观看| 在线 av 中文字幕| 国产永久视频网站| 麻豆乱淫一区二区| 日本色播在线视频| 久久久久久久国产电影| 亚洲欧美成人综合另类久久久| 高清在线视频一区二区三区| 中国三级夫妇交换| 男女无遮挡免费网站观看| www.熟女人妻精品国产 | 亚洲欧洲日产国产| 国产不卡av网站在线观看| 久久影院123| 国产在线视频一区二区| 大片免费播放器 马上看| 国产熟女欧美一区二区| 在现免费观看毛片| 男女下面插进去视频免费观看 | 美女大奶头黄色视频| 免费黄色在线免费观看| 国产精品无大码| 韩国精品一区二区三区 | 精品亚洲乱码少妇综合久久| 日韩中文字幕视频在线看片| 少妇的逼水好多| 免费大片18禁| 岛国毛片在线播放| 国产免费一区二区三区四区乱码| 久久人妻熟女aⅴ| 九色亚洲精品在线播放| 最新的欧美精品一区二区| 欧美日韩亚洲高清精品| 国产一区二区在线观看av| 国产精品久久久av美女十八| 多毛熟女@视频| 亚洲性久久影院| 国产免费视频播放在线视频| 狠狠婷婷综合久久久久久88av| 国产成人aa在线观看| 国产一区二区三区av在线| 99久久人妻综合| 大片电影免费在线观看免费| 久久亚洲国产成人精品v| 日日摸夜夜添夜夜爱| 免费观看在线日韩| 少妇熟女欧美另类|