版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、軟件測(cè)試是保證軟件產(chǎn)品質(zhì)量的一種有效手段。近年來(lái)伴隨著軟件技術(shù)的發(fā)展,軟件規(guī)模越來(lái)越大,測(cè)試用例的數(shù)量不斷增加,而時(shí)間、人力、資金等成本是有限的,在有限資源下,必然無(wú)法執(zhí)行全部測(cè)試用例,唯有從龐大的測(cè)試用例庫(kù)中挑選部分最值得執(zhí)行的測(cè)試用例進(jìn)行測(cè)試。研究學(xué)者們針對(duì)回歸測(cè)試用例選取提出許多技術(shù)方案,尤其從測(cè)試用例選擇、測(cè)試用例最小化和測(cè)試用例優(yōu)先級(jí)排序這3個(gè)方面進(jìn)行了深入研究分析,在實(shí)際應(yīng)用中也取得了一定的成果。本文主要研究測(cè)試用例優(yōu)先級(jí)排
2、序技術(shù),分析研究該技術(shù)下的2類(lèi)方案:Rothermel等人提出Additional策略并用于基于源代碼的測(cè)試用例優(yōu)先級(jí)排序中,首先利用收集到的測(cè)試用例執(zhí)行結(jié)果的歷史覆蓋信息,依據(jù)覆蓋能力設(shè)置權(quán)重值,然后對(duì)測(cè)試用例進(jìn)行排序,該策略在排序過(guò)程中通過(guò)不斷地動(dòng)態(tài)調(diào)整剩余測(cè)試用例的覆蓋信息,使得每次均選擇尚未被覆蓋的代碼所對(duì)應(yīng)的測(cè)試用例,以盡快達(dá)到較高覆蓋率的目的;Krishnamoorthi等人提出PORT6策略并用于基于需求的測(cè)試用例優(yōu)先級(jí)排
3、序中,首先收集軟件需求相關(guān)影響因素,然后計(jì)算測(cè)試需求優(yōu)先級(jí),最后根據(jù)測(cè)試用例與測(cè)試需求之間的對(duì)應(yīng)關(guān)系計(jì)算測(cè)試用例的需求覆蓋權(quán)重并排序?;趯?duì)上述2種方案的深入研究,本文做了如下2項(xiàng)工作:
1)本文通過(guò)模擬Additional策略對(duì)軟件的測(cè)試用例集按對(duì)應(yīng)優(yōu)先級(jí)進(jìn)行排序,發(fā)現(xiàn)該策略在遇到具有相同覆蓋率的測(cè)試用例時(shí),每次均隨機(jī)選擇一個(gè)測(cè)試用例,而這些具有相同覆蓋率的測(cè)試用例集合中可能存在能夠發(fā)現(xiàn)錯(cuò)誤的測(cè)試用例,也可能存在不能發(fā)現(xiàn)錯(cuò)誤
4、的測(cè)試用例,隨機(jī)選擇方式并不能保證發(fā)現(xiàn)錯(cuò)誤的測(cè)試用例被優(yōu)先選擇。為了改進(jìn)Additional策略隨機(jī)選擇的特性,使其盡可能優(yōu)先選擇那些能夠發(fā)現(xiàn)缺陷的測(cè)試用例。本文提出一種新的帶使用標(biāo)簽的Additional策略(簡(jiǎn)稱(chēng)AdditionalUL策略),當(dāng)遇到具有相同覆蓋率的測(cè)試用例集合時(shí),該策略從能否發(fā)現(xiàn)錯(cuò)誤及錯(cuò)誤嚴(yán)重程度、代碼是否發(fā)生變更、是否為核心代碼、是否為易錯(cuò)代碼等角度量化測(cè)試用例優(yōu)先級(jí),然后選擇一個(gè)優(yōu)先級(jí)最高的測(cè)試用例。通過(guò)對(duì)比優(yōu)
5、化前后排序策略對(duì)實(shí)際程序的測(cè)試用例集排序結(jié)果的APFD值,驗(yàn)證了該方法能夠提高Additional策略發(fā)現(xiàn)及檢驗(yàn)錯(cuò)誤的速率。
2)本文研究了PORT_6策略從需求的6個(gè)方面對(duì)測(cè)試用例量化并排序的方法,分析該方法使用的排序策略和對(duì)各因素量化處理的特點(diǎn)及其不足,提出基于Additional的PORT_4策略,首先通過(guò)整合相似和舍棄不常用的需求因素,提出從需求核心程度、缺陷影響程度、需求變更程度和需求易錯(cuò)程度4個(gè)角度分析需求,并充分
6、考慮各需求因素的優(yōu)先級(jí),優(yōu)化測(cè)試用例的需求覆蓋權(quán)重的計(jì)算方式,以提高其量化能力,然后利用Additional策略并結(jié)合需求間邏輯關(guān)系對(duì)測(cè)試用例集排序,最后借鑒屈波等人在處理發(fā)現(xiàn)缺陷的測(cè)試用例時(shí),根據(jù)測(cè)試用例設(shè)計(jì)信息提高其余具有相同設(shè)計(jì)目的的測(cè)試用例優(yōu)先級(jí)的思想,加入動(dòng)態(tài)調(diào)整策略,在測(cè)試用例執(zhí)行過(guò)程中若該測(cè)試用例發(fā)現(xiàn)錯(cuò)誤,則降低其所對(duì)應(yīng)需求下的其他測(cè)試用例的優(yōu)先級(jí)。實(shí)驗(yàn)對(duì)比隨機(jī)策略、PORT_6策略與基于Additional的PORT_4
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)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(qǐng)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(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 回歸測(cè)試的測(cè)試用例優(yōu)先級(jí)排序問(wèn)題研究.pdf
- 回歸測(cè)試中測(cè)試用例優(yōu)先級(jí)排序技術(shù)研究.pdf
- 基于代碼優(yōu)先級(jí)的測(cè)試用例排序.pdf
- 基于回歸測(cè)試的測(cè)試用例優(yōu)先級(jí)的研究與應(yīng)用.pdf
- 基于多目標(biāo)粒子群算法的測(cè)試用例優(yōu)先級(jí)排序研究.pdf
- 基于UML的模型轉(zhuǎn)換方法與測(cè)試用例優(yōu)先級(jí)排序方法研究.pdf
- 測(cè)試用例優(yōu)先排序技術(shù)優(yōu)化研究.pdf
- 組合測(cè)試用例的自適應(yīng)隨機(jī)生成與優(yōu)先級(jí)排序方法研究.pdf
- 基于依賴(lài)結(jié)構(gòu)的測(cè)試用例優(yōu)先級(jí)技術(shù)研究.pdf
- 基于前驅(qū)約束的測(cè)試用例優(yōu)先級(jí)技術(shù)研究.pdf
- 基于相似性的回歸測(cè)試用例約簡(jiǎn)與優(yōu)先排序方法研究.pdf
- 基于測(cè)試用例優(yōu)先級(jí)技術(shù)的測(cè)試評(píng)估系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于One--test--at--a--time策略的組合測(cè)試優(yōu)先級(jí)排序方法的研究.pdf
- 基于測(cè)試用例優(yōu)先的自動(dòng)化回歸測(cè)試研究.pdf
- 面向函數(shù)調(diào)用路徑的測(cè)試用例優(yōu)先級(jí)分析.pdf
- 基于上位效應(yīng)的多目標(biāo)測(cè)試用例優(yōu)先排序蟻群算法優(yōu)化研究.pdf
- 回歸測(cè)試方法及測(cè)試用例優(yōu)化研究.pdf
- 基于多目標(biāo)協(xié)同進(jìn)化的測(cè)試用例優(yōu)先排序.pdf
- 回歸測(cè)試用例的優(yōu)化選擇研究.pdf
- 回歸測(cè)試中測(cè)試用例優(yōu)先化的研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論