基于模擬退火遺傳算法的測(cè)試數(shù)據(jù)生成研究.pdf

1、隨著信息技術(shù)的快速發(fā)展，大量的軟件產(chǎn)品已滲透到各行各業(yè)。如何保證軟件的質(zhì)量問(wèn)題成為一個(gè)關(guān)注焦點(diǎn)。
　　 軟件測(cè)試是確保軟件產(chǎn)品質(zhì)量及可靠性的主要途徑，其地位是無(wú)可替代的。然而，隨著軟件行業(yè)的發(fā)展，軟件產(chǎn)品的規(guī)模在逐漸擴(kuò)大，復(fù)雜度也越來(lái)越高，使得軟件測(cè)試的困難進(jìn)一步加劇，如何有效的降低軟件測(cè)試所需的大量人力、物力資源和耗費(fèi)的時(shí)間，是軟件測(cè)試需要重點(diǎn)研究的問(wèn)題，據(jù)統(tǒng)計(jì)，軟件測(cè)試耗費(fèi)的時(shí)間約占整個(gè)開發(fā)周期的1/3，成本上占了近50％。

2、所以，軟件測(cè)試自動(dòng)化能力的提升是保證軟件產(chǎn)品質(zhì)量、降低產(chǎn)品開發(fā)成本的關(guān)鍵途徑。而為了提高軟件測(cè)試的自動(dòng)化程度，需要重點(diǎn)研究的就是如何提高測(cè)試數(shù)據(jù)的自動(dòng)生成，本文重點(diǎn)將對(duì)此問(wèn)題進(jìn)行研究與分析。
　　 本文首先簡(jiǎn)單介紹了軟件測(cè)試研究的背景和意義，以及研究的現(xiàn)狀，并簡(jiǎn)要提出了本文研究的內(nèi)容和本篇論文的結(jié)構(gòu)框架。
　　 接著，本文較詳細(xì)的對(duì)軟件測(cè)試進(jìn)行了概述，并介紹了測(cè)試數(shù)據(jù)自動(dòng)生成的相關(guān)技術(shù)，同時(shí)對(duì)它們各自優(yōu)缺點(diǎn)進(jìn)行了論述。重

3、點(diǎn)分析了面向結(jié)構(gòu)的測(cè)試數(shù)據(jù)自動(dòng)生成技術(shù)，以及已有的一些可用辦法。文中對(duì)各種方法及相關(guān)技術(shù)做了系統(tǒng)的總結(jié)與比較，而后提出在這一領(lǐng)域，人工智能技術(shù)將能發(fā)揮很大作用。
　　 隨后，本文對(duì)遺傳算法和模擬退火算法進(jìn)行了詳細(xì)的介紹，重點(diǎn)分析了它們各自的算法原理、構(gòu)成要素、算法執(zhí)行步驟以及各自所存在的優(yōu)缺點(diǎn)。由于普通遺傳算法在進(jìn)化尋找最優(yōu)解過(guò)程中，極易陷入“早熟”收斂，且種群個(gè)體存在多樣性較差的現(xiàn)象，本文提出了混合模擬退火遺傳算法(SAGA)

4、，并將其用于測(cè)試用例的自動(dòng)生成，充分發(fā)揮二者優(yōu)勢(shì)互補(bǔ)的特點(diǎn)，提高算法的整體性能，并將此混合算法作為本文的核心算法。
　　 然后，本文介紹了將SAGA算法用于測(cè)試數(shù)據(jù)自動(dòng)生成的系統(tǒng)結(jié)構(gòu)模型，并且針對(duì)實(shí)際的應(yīng)用，對(duì)SAGA算法的一些關(guān)鍵技術(shù)進(jìn)行了改進(jìn)：如編碼問(wèn)題、分支函數(shù)的構(gòu)造和程序插樁方式，構(gòu)造適應(yīng)實(shí)際問(wèn)題求解的適應(yīng)度函數(shù)、和遺傳操作中的交叉、變異策略的改進(jìn)等。改進(jìn)后的模擬退火遺傳算法(ISAGA)，不僅更有效克服了“早熟”收斂的

5、問(wèn)題，而且也提高了算法進(jìn)化求解的收斂速度，大大改善了搜索效率。
　　 最后在實(shí)驗(yàn)分析部分，先設(shè)計(jì)實(shí)現(xiàn)了基于改進(jìn)模擬退火遺傳算法(ISAGA)的測(cè)試數(shù)據(jù)輔助生成工具，并以一個(gè)經(jīng)典程序作為例子，自動(dòng)生成相應(yīng)的測(cè)試用例，通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析，證明了本文核心算法能有效生成滿足目標(biāo)的測(cè)試用例，且收斂性高，能克服一般GA算法的“早熟”收斂問(wèn)題。而后，本文又利用了幾個(gè)具有數(shù)學(xué)復(fù)雜特征的純數(shù)學(xué)函數(shù)作為算法的適應(yīng)度函數(shù)，來(lái)進(jìn)化搜索滿足問(wèn)題目標(biāo)的測(cè)