版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、當(dāng)軟件發(fā)生變更時(shí),如添加新的功能或修正錯(cuò)誤后,就需要進(jìn)行回歸測(cè)試,以確保這些變更不會(huì)對(duì)軟件產(chǎn)生負(fù)面影響。然而頻繁的回歸測(cè)試帶來(lái)的開銷,特別是時(shí)間上的開銷很大,約占軟件維護(hù)總開銷的一半,這就需要對(duì)測(cè)試用例集進(jìn)行優(yōu)化?,F(xiàn)有的測(cè)試用例集優(yōu)化技術(shù)主要包括測(cè)試用例集選擇技術(shù)和測(cè)試用例優(yōu)先級(jí)技術(shù),可以提高測(cè)試用例集的性能,得到了廣泛的應(yīng)用。 通常情況下,回歸測(cè)試都存在一定的時(shí)間限制,而目前絕大多數(shù)的測(cè)試用例集優(yōu)化技術(shù)沒有考慮到這一點(diǎn),因此,
2、研究基于時(shí)間限制的測(cè)試用例集優(yōu)化技術(shù)具有重要意義。時(shí)間約束下的測(cè)試用例集優(yōu)化問(wèn)題可以轉(zhuǎn)化為0/1背包問(wèn)題,0/1背包問(wèn)題是經(jīng)典的NP-C問(wèn)題,可以采用多種算法來(lái)求解。本文提出了利用動(dòng)態(tài)規(guī)劃法、回溯法、分支限界法、基本遺傳算法等幾種算法求解時(shí)間約束下的測(cè)試用例集優(yōu)化技術(shù)及其度量方法,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該優(yōu)化技術(shù)及度量方法的有效性。 論文的工作包括以下幾個(gè)方面:(1)針對(duì)基于時(shí)間限制的測(cè)試用例集優(yōu)化問(wèn)題可以轉(zhuǎn)化為經(jīng)典的0/1背包問(wèn)題,
3、給出基于時(shí)間限制的測(cè)試用例集優(yōu)化問(wèn)題的形式化描述,提出用多種算法求解的基于時(shí)間限制的測(cè)試用例集優(yōu)化技術(shù);(2)提出基于時(shí)間限制的測(cè)試用例集優(yōu)化技術(shù)度量方法,該度量方法綜合考慮了測(cè)試需求的覆蓋率和覆蓋速度,能更公平有效地對(duì)測(cè)試用例集的優(yōu)化效果進(jìn)行度量:(3)以Eclipse為平臺(tái),實(shí)現(xiàn)了基于時(shí)間限制的測(cè)試用例集優(yōu)化工具T-TSO-Tool,該工具在給出測(cè)試用例和測(cè)試需求的滿足關(guān)系矩陣、測(cè)試需求的優(yōu)先級(jí)、測(cè)試用例的執(zhí)行時(shí)間的前提下,根據(jù)選擇
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 測(cè)試用例集的生成與優(yōu)化技術(shù).pdf
- 回歸測(cè)試用例集優(yōu)化技術(shù)研究.pdf
- 基于粗糙集與證據(jù)理論的測(cè)試用例集優(yōu)化研究.pdf
- 基于需求分析的兩階段測(cè)試用例集優(yōu)化研究.pdf
- 基于LSGA的最小測(cè)試用例集自動(dòng)生成.pdf
- 基于lsga的最小測(cè)試用例集自動(dòng)生成
- 組合測(cè)試用例的生成及優(yōu)化技術(shù).pdf
- 基于粒子群優(yōu)化算法的測(cè)試用例生成技術(shù)研究.pdf
- 測(cè)試用例優(yōu)先排序技術(shù)優(yōu)化研究.pdf
- 回歸測(cè)試下測(cè)試用例優(yōu)化使用技術(shù)研究.pdf
- 基于遺傳算法的軟件測(cè)試用例優(yōu)化技術(shù)研究.pdf
- 基于回歸測(cè)試的作例集優(yōu)化研究.pdf
- 基于動(dòng)態(tài)集合進(jìn)化的弱變異測(cè)試用例集生成.pdf
- 基于測(cè)試用例的錯(cuò)誤定位技術(shù)研究.pdf
- 回歸測(cè)試用例的優(yōu)化選擇研究.pdf
- 回歸測(cè)試方法及測(cè)試用例優(yōu)化研究.pdf
- 基于回歸測(cè)試模型的用例集的優(yōu)化研究.pdf
- 基于用戶會(huì)話的Web測(cè)試用例生成及優(yōu)化研究.pdf
- 基于粗糙集理論的軟件可靠性測(cè)試用例的產(chǎn)生及測(cè)試.pdf
- 基于時(shí)間自動(dòng)機(jī)模型的測(cè)試用例生成方法研究.pdf
評(píng)論
0/150
提交評(píng)論