版權說明: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,請進行舉報或認領
文檔簡介
1、軟件測試是保證軟件質(zhì)量和提高軟件可靠性的重要技術。隨著基于UML模型的軟件開發(fā)與RUP開發(fā)過程的廣泛應用,使得基于UML模型的測試逐漸成為基于模型測試的主要研究方向?;谒阉鞯能浖こ虇栴}可以轉(zhuǎn)化為優(yōu)化問題,優(yōu)化問題又可以使用元啟發(fā)式算法解決。其中,在基于UML活動圖生成與優(yōu)化測試場景的問題上,遺傳算法是最常用的元啟發(fā)式算法。
在場景生成問題上引入遺傳算法,對該問題提供了必然的動力,然而遺傳算法局部搜索能力差,在進化后期搜索效
2、率低,導致算法比較費時;并且隨著軟件規(guī)模與復雜度迅猛增長,在測試過程中,很難進行詳盡的測試。另外,測試本身還要求在有限的時間內(nèi)發(fā)現(xiàn)盡可能多的錯誤。因此,需要根據(jù)某種需求對場景進行優(yōu)化,其目的是在有限的時間內(nèi)將注意力更多地集中在重要且復雜的部分上。
1)對于基于UML活動圖生成測試場景問題,提出了混合遺傳算法,該方法結(jié)合遺傳算法和爬山算法,解決了遺傳算法局部搜索能力差的問題。并且為了避免“早熟”現(xiàn)象,在算法每次進行爬山操作之前調(diào)
3、用種群生成函數(shù)。與其它算法相比,該算法不僅解決了局部性問題而且能夠有效地提高測試場景生成的效率,從而降低測試的成本。
2)對于基于UML活動圖優(yōu)化測試場景問題,提出了一種場景優(yōu)化技術。首先將活動圖轉(zhuǎn)化為控制流圖;通過DFS遍歷控制流圖生成所有可能的測試路徑;最后對已得到的路徑進行優(yōu)化。該優(yōu)化算法將遺傳算法和粒子群優(yōu)化算法相結(jié)合,利用粒子群優(yōu)化算法特有的記憶功能,解決遺傳算法在種群發(fā)生改變時喪失以前信息的缺點。與其它算法相比,該
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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)容負責。
- 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 啟發(fā)式優(yōu)化算法綜述
- 元啟發(fā)式優(yōu)化算法理論與應用研究.pdf
- 啟發(fā)式優(yōu)化算法的方法和應用研究.pdf
- 資源優(yōu)化的啟發(fā)式算法研究.pdf
- 基于啟發(fā)式算法的快速公交線網(wǎng)規(guī)劃與優(yōu)化方法研究.pdf
- 基于啟發(fā)式算法的公交線網(wǎng)優(yōu)化模型研究.pdf
- 組合優(yōu)化問題的啟發(fā)式算法分析與設計.pdf
- 基于增強學習的啟發(fā)式和元啟發(fā)式搜索的參數(shù)調(diào)優(yōu)策略.pdf
- 基于啟發(fā)式方法的網(wǎng)格任務調(diào)度算法研究.pdf
- 基于啟發(fā)式搜索的軟件測試數(shù)據(jù)的自動生成.pdf
- 結(jié)構(gòu)拓撲優(yōu)化啟發(fā)式算法的研究.pdf
- 基于改進啟發(fā)式遺傳算法的屬性約簡方法.pdf
- 38182.元啟發(fā)式水波優(yōu)化算法改進及應用研究
- 基于啟發(fā)式算法的集裝箱堆場優(yōu)化研究.pdf
- 基于啟發(fā)式遺傳算法的屬性約簡方法研究
- 關于啟發(fā)式優(yōu)化算法及其應用的研究.pdf
- 基于用戶測試的啟發(fā)式評估研究.pdf
- 基于元啟發(fā)式方法對限量弧路由問題的求解.pdf
- 基于啟發(fā)式遺傳算法的屬性約簡方法研究.pdf
- 基于啟發(fā)式算法的物流配送路線優(yōu)化設計.pdf
評論
0/150
提交評論