基于貝葉斯網(wǎng)絡(luò)和遺傳算法的測試用例生成模型.pdf

1、軟件規(guī)模的擴大給測試工作帶來了新的問題,手工測試的速度太慢,效率太低。因此自動化測試就被人們所重視。在自動化測試中,如何生成測試用例有著舉足輕重的作用。通過對國內(nèi)外相關(guān)資料的研究,揭示出在面向路徑的測試用例生成中,通常會遇到的問題即產(chǎn)生的測試用例并不能覆蓋全部的路徑,甚至有少數(shù)路徑根本就不會有測試用例執(zhí)行。本文所提出的基于貝葉斯網(wǎng)絡(luò)和遺傳算法的測試用例生成模型主要解決的問題是為自動化測試生成測試用例集合,并且這些測試用例集合必須滿足全路

2、徑覆蓋的準則。
　　 本文對經(jīng)典的軟件測試的方法做了詳細的歸納,分別介紹了單元測試、黑盒測試、白盒測試、靜態(tài)測試和動態(tài)測試等測試方法。并對近年來常用的測試用例生成方法進行了簡單的闡述。接著詳細介紹了遺傳算法的一些基本理論和操作,并分析了遺傳算法在實際應(yīng)用中的一些優(yōu)缺點。然后,介紹了貝葉斯網(wǎng)絡(luò)的基本概念,簡述了貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)和結(jié)構(gòu)學(xué)習(xí)的算法。提出了基于貝葉斯網(wǎng)絡(luò)和遺傳算法的測試用例生成模型,由于貝葉斯網(wǎng)絡(luò)是一種將因果知識和概率

3、知識相結(jié)合的信息表示框架,其定性信息表達了網(wǎng)絡(luò)中各節(jié)點之間的拓撲結(jié)構(gòu),定量信息則表示了各個節(jié)點的聯(lián)合概率分布,因此,貝葉斯網(wǎng)絡(luò)中的定性信息可以用于表達被測試程序中各個參數(shù)之間的關(guān)系,而定量信息就可以表示各個參數(shù)的取值區(qū)間情況的概率,于是就可以通過對定量信息的調(diào)整來達到全路徑覆蓋準則。在本文提出的基于貝葉斯網(wǎng)絡(luò)和遺傳算法的測試用例生成模型中,使用遺傳算法作為啟發(fā)式搜索算法對貝葉斯網(wǎng)絡(luò)模型進行不斷的修改,從而得到一個最優(yōu)的貝葉斯網(wǎng)絡(luò)模型來生