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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著軟件技術(shù)的不斷發(fā)展和軟件項目規(guī)模的逐漸擴大,軟件測試的作用越來越重要。在軟件測試中,測試用例的選擇是進行結(jié)構(gòu)測試的一個難點,測試用例正確與否直接關(guān)系到錯誤能否被預(yù)期測出。對于測試用例自動化生成方法,目前雖然有一些方法被提出并使用,但由于其局限性,在實際中還沒有得到完善的解決方法,只能憑借工程上的經(jīng)驗去判斷。在此情況,本文提出了使用遺傳算法和蟻群算法相結(jié)合來進行對測試用例自動生成方法的研究。
本文首先介紹了軟件測試的基本
2、知識和一些測試用例的自動生成方法。對于軟件測試技術(shù),介紹了軟件測試的概念、分類,然后介紹了幾種測試數(shù)據(jù)生成的方法,并在系統(tǒng)地比較之后指出智能優(yōu)化技術(shù)在這一領(lǐng)域具有強大的優(yōu)勢。隨后,本文分別介紹了遺傳算法和蟻群算法的基本原理、計算步驟和各自的優(yōu)劣點。從而進一步根據(jù)二者優(yōu)勢互補的特性,提出采用混合算法以提高算法的性能。緊接著,作者提出了基于遺傳蟻群算法的測試用例自動生成的思想,并重點闡述了算法實現(xiàn)過程中需要解決的一些關(guān)鍵技術(shù):如數(shù)學(xué)模型建立
3、問題、適應(yīng)度函數(shù)問題和遺傳交叉操作的改進等。
在解決了這些關(guān)鍵技術(shù)之后,對提出的算法在Liunx系統(tǒng)下的AIX5.3平臺上(數(shù)據(jù)庫為ORACLE),通過對湖南聯(lián)通信控程序的某條特定的路徑生成測試數(shù)據(jù)進行仿真實驗。實驗結(jié)果顯示出遺傳蟻群算法在生成測試數(shù)據(jù)的過程中,前期可以通過遺傳算法將螞蟻路徑上的信息素初始化,提高搜索效率,在后期路徑變異,增加全局收斂性,使其具有比遺傳算法更高的測試數(shù)據(jù)生成效率。當然也還存在自動性較差、能處
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(quán)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
- 基于遺傳蟻群算法的測試數(shù)據(jù)自動生成.pdf
- 基于遺傳算法的軟件測試用例自動生成技術(shù)研究
- 基于遺傳算法的軟件測試用例自動生成技術(shù)研究.pdf
- 基于退火遺傳算法的測試用例自動生成.pdf
- 基于遺傳算法軟件測試用例自動生成分析與研究.pdf
- 基于禁忌遺傳算法的測試用例自動生成研究.pdf
- 基于遺傳算法的測試用例自動生成技術(shù)研究.pdf
- 基于蟻群算法的測試用例選擇機制研究.pdf
- 基于遺傳算法的測試用例生成.pdf
- 基于改進遺傳算法的測試用例自動生成應(yīng)用研究.pdf
- 基于遺傳算法的基本路徑測試用例自動生成算法研究.pdf
- 改進多種群自適應(yīng)蟻群算法生成測試用例方法的研究.pdf
- 基于改進遺傳算法的測試用例自動生成研究與應(yīng)用.pdf
- 基于遺傳蟻群算法的路徑覆蓋測試數(shù)據(jù)生成的研究.pdf
- 基于蟻群算法的測試用例集約簡技術(shù)研究.pdf
- 基于遺傳算法的測試用例生成模型研究.pdf
- 基于改進遺傳算法的測試用例自動生成及質(zhì)量評價研究.pdf
- 基于改進量子蟻群算法的測試用例約簡方法研究.pdf
- 基于遺傳螞蟻融合算法的測試用例生成研究.pdf
- 基于模型驅(qū)動架構(gòu)軟件測試用例自動生成的研究.pdf
評論
0/150
提交評論