基于多目標(biāo)協(xié)同進(jìn)化的測(cè)試用例優(yōu)先排序.pdf

1、回歸測(cè)試是保證軟件質(zhì)量的有效手段，是軟件生命周期的一個(gè)重要組成部分。在很多軟件項(xiàng)目中，回歸測(cè)試開(kāi)銷(xiāo)通常占整個(gè)軟件產(chǎn)品預(yù)算的一半以上，因此，為了能夠最大限度約減這部分開(kāi)銷(xiāo)，國(guó)內(nèi)外研究人員進(jìn)行了廣泛而深入的研究，其中測(cè)試用例優(yōu)先排序技術(shù)逐漸成為近年來(lái)的研究熱點(diǎn)。
　　然而傳統(tǒng)的測(cè)試用例優(yōu)先排序技術(shù)存在以下兩個(gè)問(wèn)題:一是從度量準(zhǔn)則來(lái)看，傳統(tǒng)技術(shù)使用單一的測(cè)試準(zhǔn)則來(lái)指導(dǎo)整個(gè)排序過(guò)程，無(wú)法同時(shí)滿(mǎn)足多個(gè)客觀因素的約束，所以只給出綜合權(quán)衡后的優(yōu)

2、先排序方案，如時(shí)間緊迫且人力資源或計(jì)算資源短缺等;二是從問(wèn)題的本質(zhì)上來(lái)看，測(cè)試用例優(yōu)先排序作為一個(gè)優(yōu)化問(wèn)題，目前的一些方法包括線(xiàn)性規(guī)劃、限界剪枝、基于搜索的優(yōu)化技術(shù)卻都存在收斂速度較慢、易陷入局部最優(yōu)等問(wèn)題，并不總能夠獲得問(wèn)題的真實(shí)最優(yōu)解。
　　針對(duì)上述這些缺點(diǎn)，本文提出一種基于競(jìng)爭(zhēng)模式的多目標(biāo)協(xié)同進(jìn)化算法，利用更貼近生物進(jìn)化過(guò)程的協(xié)同進(jìn)化算法和多個(gè)符合實(shí)際需求的度量準(zhǔn)則來(lái)對(duì)問(wèn)題進(jìn)行解決。在這些度量準(zhǔn)則中，選取了兩種度量準(zhǔn)則來(lái)評(píng)價(jià)

3、個(gè)體的優(yōu)秀程度，一是平均代碼覆蓋率，使得某一個(gè)測(cè)試用例排序“在較短的時(shí)間內(nèi)覆蓋更多的語(yǔ)句”，二是一種新的度量準(zhǔn)則——平均變異殺死率，即“在較短的時(shí)間內(nèi)殺死更多的變異”。協(xié)同算法以上述兩個(gè)約束條件為目標(biāo)，對(duì)測(cè)試用例進(jìn)行優(yōu)先排序，從而在一定程度上提高發(fā)現(xiàn)錯(cuò)誤的能力。同時(shí)，在算法選擇方面，本文利用競(jìng)爭(zhēng)性的協(xié)同進(jìn)化思想，通過(guò)使用絕對(duì)適應(yīng)度與相對(duì)適應(yīng)度兩個(gè)指標(biāo)對(duì)個(gè)體生存能力進(jìn)行綜合評(píng)價(jià)，不僅對(duì)個(gè)體的競(jìng)爭(zhēng)生存能力進(jìn)行提高，也增加了個(gè)體本身優(yōu)秀程度，

4、使得算法收斂速度得到進(jìn)一步提升。在個(gè)體生存周期方面，與以往的進(jìn)化算法不同的是，本文提出利用剔除“老年”個(gè)體的思想，來(lái)控制個(gè)體生存周期，避免陷入局部最優(yōu)問(wèn)題。
　　實(shí)驗(yàn)結(jié)果表明，通過(guò)設(shè)置不同的迭代次數(shù)和不同種群規(guī)模，本文算法針對(duì)不同規(guī)模的程序均可獲得較高的平均錯(cuò)誤檢測(cè)率和分布均勻的帕累托邊界。同時(shí)算法中引入的生存周期控制策略和競(jìng)爭(zhēng)機(jī)制在一定程度上提高了種群的多樣性，相對(duì)于傳統(tǒng)的多目標(biāo)優(yōu)化算法來(lái)說(shuō)，具有更快的收斂速度和更強(qiáng)的全局搜索能