回歸測試用例的優(yōu)化選擇研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、回歸測試是軟件生命周期中一項(xiàng)頻繁進(jìn)行且又開銷巨大的測試過程,研究其測試用例的優(yōu)化選擇是為了在保證良好的測試用例覆蓋率前提下,獲得更高的測試效率。目前,回歸測試用例優(yōu)化選擇研究的熱點(diǎn)主要集中在應(yīng)用一些優(yōu)化算法及交互策略在測試用例集中搜索符合既定覆蓋標(biāo)準(zhǔn)的極小化的測試用例子集,構(gòu)造優(yōu)化模型,以剔除冗余測試用例,縮減待執(zhí)行的測試用例集規(guī)模,從而減少測試成本、人力、物力的消耗。近年來,雖然軟件回歸測試用例優(yōu)化技術(shù)與方法有了很大的發(fā)展,但還遠(yuǎn)沒有

2、成熟,現(xiàn)有的優(yōu)化技術(shù)還無法滿足當(dāng)前軟件測試的實(shí)際需要。在保證軟件質(zhì)量和充分測試的前提下,如何使用盡可能少的測試用例來完成回歸測試,從而降低軟件測試的成本、提高測試效率是一個(gè)非常有價(jià)值的研究課題。
  傳統(tǒng)啟發(fā)式算法因其理論基礎(chǔ)簡單,操作簡便,魯棒性好,在回歸測試用例優(yōu)化領(lǐng)域得到了一定程度的應(yīng)用和推廣。但在以往的文獻(xiàn)研究中,學(xué)者們往往認(rèn)為這-NP-HARD問題很難用傳統(tǒng)算法來解決,即便解決了也只是得到了局部最優(yōu)解,而非全局最優(yōu)解。本

3、文在對此結(jié)論提出質(zhì)疑的基礎(chǔ)上,努力探索基于傳統(tǒng)算法改進(jìn)的優(yōu)化算法來突破解決這一優(yōu)化難題的技術(shù)瓶頸。
  本文圍繞回歸測試,首先綜述了目前國內(nèi)外在軟件回歸測試用例優(yōu)化選擇技術(shù)方面所做的工作,并基于已有的一些研究成果,對軟件回歸測試用例的優(yōu)化選擇技術(shù)進(jìn)行了深入研究,對比目前各種優(yōu)化算法,特別是五種經(jīng)典傳統(tǒng)啟發(fā)式算法的特點(diǎn)及適用域,分析各種算法的優(yōu)缺點(diǎn)及優(yōu)化原理。重點(diǎn)歸納了這些傳統(tǒng)算法未能得到全局最優(yōu)解的原因。
  在現(xiàn)有的研究成

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論