FSCS自適應隨機測試算法的邊界效應及運行效率研究.pdf

1、自適應隨機測試(Adaptive Random Testing,ART)是近幾年發(fā)展起來的一種黑盒測試方法,固定候選集的ART算法(Fixed Size Candidates Set Versionof ART,FSCS)是實現(xiàn)ART算法諸多方法中最為經(jīng)典,最為普遍認可的算法。FSCS在發(fā)現(xiàn)程序錯誤的能力上比隨機測試(Random Testing,RT)有顯著的提高,但是由于FSCS輸入域的有界性導致了FSCS的邊界效應現(xiàn)象。同時由于F

2、SCS算法在選擇生成新的測試用例時,需要大量的距離計算,尤其是當失效率較小和維數(shù)較大的情況下,執(zhí)行算法的龐大開銷達到令人難以忍受的程度,嚴重影響了測試工作的效率。
　　 本文對FSCS及其相關的算法作了深入分析,并查閱了大量文獻資料,在此基礎上,借助于環(huán)的思想提出了環(huán)形FSCS(Circled FSCS,C-FSCS),把有邊界的輸入域變換為無邊界的環(huán),從而徹底消除了輸入域的邊界,從根本上解決了FSCS算法的邊界效應。針對FSC

3、S算法開銷較大的問題,本文進一步提出了改進的C-FSCS(Improved C-FSCS,IC-FSCS),直接消減掉絕大部分不必要的距離計算,從而極大的提高了算法的運行效率。
　　 此外,本文還將上述方法應用于基于限制區(qū)域的隨機測試算法(RestrictedRandom Testing,RRT),提出了環(huán)形RRT算法(Circled RRT,C-RRT)和其改進算法IC-RRT(Improved C-RRT),解決了RRT算法