回歸測(cè)試用例集優(yōu)化技術(shù)研究.pdf

1、在軟件開發(fā)過(guò)程中，為了保證軟件的質(zhì)量，需要頻繁的執(zhí)行回歸測(cè)試，導(dǎo)致了極大的資源消耗?；貧w測(cè)試用例集優(yōu)化可以大大降低測(cè)試成本，受到了業(yè)界廣泛的關(guān)注，成為了一個(gè)研究熱點(diǎn)。目前的工作主要是利用一些優(yōu)化算法或者交互策略，在原始測(cè)試用例集中選擇滿足測(cè)試需求的用例子集，以達(dá)到縮減原始測(cè)試用例集規(guī)模及減少資源消耗的目的。這些研究取得了一定的成果，但它們僅僅局限于模擬的仿真環(huán)境，很難滿足軟件測(cè)試的實(shí)際需要。因此，如何針對(duì)實(shí)際的軟件測(cè)試環(huán)境進(jìn)行回歸測(cè)試用

2、例集優(yōu)化仍然面臨很多挑戰(zhàn)。
　　本文研究測(cè)試用例最小化的優(yōu)化技術(shù)。綜合考慮實(shí)際軟件測(cè)試環(huán)境中不同的測(cè)試用例運(yùn)行代價(jià)和測(cè)試需求的重要程度，針對(duì)這一組合優(yōu)化問題，設(shè)計(jì)了改進(jìn)的遺傳算法來(lái)解決優(yōu)化中的問題。
　　遺傳算法解決組合問題具有較好的效果，但是，算法具有過(guò)早收斂、進(jìn)化過(guò)程中容易丟失基因等缺點(diǎn)。本文設(shè)計(jì)的改進(jìn)算法可以有效地克服這些缺點(diǎn)，主要思想和過(guò)程：首先，根據(jù)測(cè)試用例的代碼覆蓋率，構(gòu)造基因編碼方式，并且在此基礎(chǔ)上，設(shè)定初始群

3、體；結(jié)合測(cè)試需求的權(quán)重、測(cè)試用例的代碼覆蓋率和運(yùn)行代價(jià)設(shè)計(jì)適應(yīng)度函數(shù)；然后，為了保證種群個(gè)體的多樣性，降低冗余度，對(duì)選擇算子提出了改進(jìn)策略；為了刪除冗余的基因，防止基因的重復(fù)和丟失，對(duì)交叉算子的單點(diǎn)交叉操作進(jìn)行了改進(jìn)；同時(shí)，本文還提出了適應(yīng)性交叉概率的算法實(shí)現(xiàn)，有效地避免了算法在初期階段陷入局部最優(yōu)，提高了算法后期階段的收斂速度。最后，將改進(jìn)的遺傳算法和經(jīng)典遺傳算法分別應(yīng)用于測(cè)試用例最小化問題上，并通過(guò)仿真實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果對(duì)比表明，改進(jìn)的