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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、軟件測試是保證軟件質(zhì)量的重要手段,而生成測試用例是成功進(jìn)行軟件測試的前提。測試數(shù)據(jù)生成問題本質(zhì)上是一個(gè)優(yōu)化問題,這使得已有的優(yōu)化方法有可能用于測試數(shù)據(jù)的生成。常用的方法主要包括:隨機(jī)法、約束求解法、啟發(fā)搜索法等等。其中啟發(fā)搜索法又稱基于搜索的軟件測試(SBST),被視為最有前景的自動(dòng)測試生成方法,該方法將測試用例自動(dòng)生成問題轉(zhuǎn)化為一個(gè)數(shù)學(xué)優(yōu)化問題,并通過啟發(fā)式搜索算法求解。
將啟發(fā)搜索法應(yīng)用于面向?qū)ο筌浖淖詣?dòng)測試生成問題已取
2、得了顯著進(jìn)展。目前已有eToc、EvoUnit、Evacon、TestFul和EvoSuite等進(jìn)化測試原型工具可以用于為面向?qū)ο筌浖詣?dòng)生成測試用例。其中EvoSuite是基于WBGA(WholeSuite Based Genetic Algorithm)方法的優(yōu)秀開源測試框架,能夠生成有效的測試用例集。然而,高昂的測試代價(jià)嚴(yán)重影響EvoSuite在實(shí)際軟件測試中的廣泛應(yīng)用。為了高效地生成具有高分支覆蓋率的測試用例集,本文從多目標(biāo)優(yōu)化
3、的角度,研究求解測試用例生成問題的新方法,最終提出了一種基于分支覆蓋準(zhǔn)則的可擴(kuò)展性的測試用例生成方法:基于偏好的多目標(biāo)進(jìn)化算法,即PMOGA(Preference-based Multiple-Obj ective Genetic Algorithm)。
首先,將分支覆蓋轉(zhuǎn)化為多目標(biāo)優(yōu)化問題,提出測試用例生成問題的多目標(biāo)優(yōu)化模型,該模型引入基于分層策略的偏好關(guān)系,從而增大個(gè)體的選擇壓力,縮減Pareto前沿個(gè)體數(shù)量;其次,在求
4、解該模型時(shí),選擇針對性的適應(yīng)度函數(shù)和設(shè)計(jì)合理選擇算子,并且采用外部歸檔集保留優(yōu)秀個(gè)體;最后,在PMOGA算法基礎(chǔ)上使用局部搜索算子對種群中的最優(yōu)個(gè)體進(jìn)行局部搜索,優(yōu)化算法的局部搜索精度,減少進(jìn)化搜索開銷。
本文在開源框架EvoSuite中實(shí)現(xiàn)了上述方法,為了驗(yàn)證本文方法的有效性,選取2個(gè)基準(zhǔn)程序和4個(gè)開源程序?qū)MOGA與WBGA方法進(jìn)行了實(shí)驗(yàn)比較,最后還對加入局部搜索算子的LS-PMOGA與PMOGA進(jìn)行了實(shí)驗(yàn)對比。實(shí)驗(yàn)結(jié)果
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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
- 基于多目標(biāo)協(xié)同進(jìn)化的測試用例優(yōu)先排序.pdf
- 基于多目標(biāo)進(jìn)化算法的內(nèi)建自測試(BIST)測試生成技術(shù)研究.pdf
- 基于云模型的SoC測試多目標(biāo)進(jìn)化算法研究.pdf
- 基于多目標(biāo)粒子群算法的測試用例優(yōu)先級排序研究.pdf
- 基于遺傳算法的測試用例生成.pdf
- 多目標(biāo)進(jìn)化算法總結(jié)
- 多目標(biāo)進(jìn)化算法總結(jié)
- 多目標(biāo)進(jìn)化算法的研究.pdf
- 基于進(jìn)化算法的動(dòng)態(tài)多目標(biāo)優(yōu)化.pdf
- 基于分解的多目標(biāo)進(jìn)化算法研究.pdf
- 基于進(jìn)化算法的動(dòng)態(tài)多目標(biāo)化.pdf
- 基于多目標(biāo)優(yōu)化的進(jìn)化算法研究.pdf
- 基于動(dòng)態(tài)集合進(jìn)化的弱變異測試用例集生成.pdf
- 多目標(biāo)進(jìn)化算法研究.pdf
- 基于博弈策略的多目標(biāo)進(jìn)化算法研究.pdf
- 基于上位效應(yīng)的多目標(biāo)測試用例優(yōu)先排序蟻群算法優(yōu)化研究.pdf
- 基于退火遺傳算法的測試用例自動(dòng)生成.pdf
- 基于路徑覆蓋的測試用例生成算法研究.pdf
- 基于多目標(biāo)進(jìn)化算法的低功耗內(nèi)建自測試(BIST)設(shè)計(jì).pdf
- 基于多目標(biāo)進(jìn)化的入侵檢測算法研究.pdf
評論
0/150
提交評論