

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、隨著計(jì)算機(jī)軟件的復(fù)雜性越來(lái)越高和規(guī)模越來(lái)越大,錯(cuò)誤定位在整個(gè)軟件開(kāi)發(fā)和測(cè)試過(guò)程中需要花費(fèi)時(shí)間和精力的比重越來(lái)越多。目前主要的調(diào)試工具是集成開(kāi)發(fā)環(huán)境中的調(diào)試器,但是需要開(kāi)發(fā)人員對(duì)程序非常的了解,并且有著豐富的經(jīng)驗(yàn)直覺(jué)去設(shè)置斷點(diǎn),由于調(diào)試程序沒(méi)有將檢查的語(yǔ)句按照一定的優(yōu)先級(jí)進(jìn)行排序,所以需要花費(fèi)大量的成本。為了解決手工操作調(diào)試器的問(wèn)題,人們近幾十年來(lái)提出了自動(dòng)化錯(cuò)誤定位方法。通過(guò)自動(dòng)化錯(cuò)誤定位方法縮小搜尋錯(cuò)誤的范圍,然后再通過(guò)手工方式找到錯(cuò)
2、誤根源。其中,基于覆蓋率的錯(cuò)誤定位方法通過(guò)運(yùn)行大量的測(cè)試用例,得到測(cè)試用例的覆蓋程序?qū)嶓w的信息和測(cè)試結(jié)果,利用可疑度公式得到各個(gè)程序?qū)嶓w的可疑度排序。由于這種錯(cuò)誤定位方法的計(jì)算復(fù)雜度低,所以已經(jīng)被廣泛使用。然而這種方法也存在自身的不足,例如,沒(méi)有充分分析程序?qū)嶓w間的相互關(guān)系,即控制依賴(lài)和數(shù)據(jù)依賴(lài)。除此之外,在軟件開(kāi)發(fā)和測(cè)試中,回歸測(cè)試與軟件調(diào)試是迭代進(jìn)行一直到?jīng)]有錯(cuò)誤被檢測(cè)出來(lái)為止,如果將回歸測(cè)試用例全部用于錯(cuò)誤定位將大大增加開(kāi)發(fā)和測(cè)試
3、成本,并且回歸測(cè)試用例中存在著相同或者相似的測(cè)試用例,偶然性正確的測(cè)試用例以及在程序發(fā)生改變,例如新增程序,刪除不必要的程序以及修改原來(lái)的程序等時(shí)回歸測(cè)試用例也會(huì)產(chǎn)生過(guò)時(shí)的測(cè)試用例,不受控制的測(cè)試用例,冗余的測(cè)試用例和新的測(cè)試用例等。并且沒(méi)有考慮程序中功能模塊之間的調(diào)用,函數(shù)之間的調(diào)用以及一個(gè)函數(shù)中的控制依賴(lài)和數(shù)據(jù)依賴(lài)對(duì)回歸測(cè)試用例的影響。
為了解決以上問(wèn)題,本文考慮了影響分析,依賴(lài)和權(quán)值,改進(jìn)遺傳算法和軟件度量的基于回歸測(cè)試
4、用例的錯(cuò)誤定位方法,論文的主要成果包含以下幾個(gè)方面:
(1)提出了基于影響分析的回歸測(cè)試優(yōu)先級(jí)錯(cuò)誤定位方法,這種方法首先利用Ochiai錯(cuò)誤定位方法得到初始語(yǔ)句可疑度及可疑度排行,其次,利用控制依賴(lài)圖和數(shù)據(jù)依賴(lài)圖建立聯(lián)合依賴(lài)圖,通過(guò)初始語(yǔ)句可疑度和聯(lián)合依賴(lài)圖得到各個(gè)節(jié)點(diǎn)的可疑度和可疑度排行,將初始語(yǔ)句可疑度排行加上各個(gè)節(jié)點(diǎn)的可疑度排行得到最終可疑度排行,最后,利用最終可疑度排行計(jì)算各個(gè)測(cè)試用例語(yǔ)句覆蓋的最終可疑度排行總和,數(shù)值
5、越大的測(cè)試用例,優(yōu)先級(jí)越高,利用按照優(yōu)先級(jí)排序好的測(cè)試用例進(jìn)行回歸測(cè)試錯(cuò)誤定位。通過(guò)實(shí)驗(yàn)研究與分析,基于影響分析的回歸測(cè)試優(yōu)先級(jí)錯(cuò)誤定位方法能夠提高定位程序中的錯(cuò)誤的效率。
(2)提出了根據(jù)控制依賴(lài)和數(shù)據(jù)依賴(lài),測(cè)試用例覆蓋表和測(cè)試結(jié)果得到每條語(yǔ)句被成功或失敗測(cè)試用例控制依賴(lài)和數(shù)據(jù)依賴(lài)覆蓋的總次數(shù)得到頻繁被成功或失敗測(cè)試用例覆蓋的語(yǔ)句來(lái)緩解相同或相似測(cè)試用例對(duì)可疑度排行的影響,并且增加對(duì)失效產(chǎn)生上下文的理解。然后利用向量夾角余弦
6、權(quán)值公式計(jì)算每個(gè)成功測(cè)試用例的權(quán)值來(lái)減弱偶然性正確的測(cè)試用例對(duì)可疑度計(jì)算的影響。最后利用可疑度公式即每條語(yǔ)句被失敗測(cè)試用例控制依賴(lài)和數(shù)據(jù)依賴(lài)覆蓋的總次數(shù)除以每條語(yǔ)句被成功的測(cè)試用例覆蓋的權(quán)值之和的絕對(duì)值對(duì)語(yǔ)句可疑度進(jìn)行排序來(lái)有效地進(jìn)行回歸測(cè)試用例錯(cuò)誤定位。實(shí)驗(yàn)結(jié)果表明,利用依賴(lài)和權(quán)值改進(jìn)回歸測(cè)試用例的錯(cuò)誤定位方法的效率要優(yōu)于基于覆蓋率和基于依賴(lài)分析的回歸測(cè)試用例錯(cuò)誤定位方法。
(3)提出了基于改進(jìn)遺傳免疫算法回歸測(cè)試用例生成的
7、錯(cuò)誤定位方法,將人工免疫算法加入到遺傳算法中并進(jìn)行改進(jìn)來(lái)提高面向錯(cuò)誤定位的回歸測(cè)試用例的質(zhì)量。在回歸測(cè)試中,代碼的改變包括新增代碼,刪除不必要的代碼以及修改原來(lái)的代碼等。因此回歸測(cè)試用例產(chǎn)生變化,產(chǎn)生了過(guò)時(shí)的測(cè)試用例,不受控制的測(cè)試用例,冗余的測(cè)試用例和新的測(cè)試用例。所以通過(guò)改進(jìn)遺傳算法中的適應(yīng)值計(jì)算,以親和度計(jì)算和濃度計(jì)算代替適應(yīng)值計(jì)算使得更改的代碼與回歸測(cè)試用例緊密相連又保證回歸測(cè)試用例的多樣性,再通過(guò)將遺傳算法中以交叉為主,變異為
8、輔與人工免疫算法中以變異為主,交叉為輔相結(jié)合,保證測(cè)試用例可以執(zhí)行多條路徑。然后通過(guò)克隆抑制和接種疫苗保證經(jīng)過(guò)交叉,變異的測(cè)試用例依舊與更改的代碼緊密相連。最后群體更新得到最優(yōu)抗體,最優(yōu)抗體中的抗體可以覆蓋所有抗原A。因此改進(jìn)遺傳免疫算法的回歸測(cè)試用例生成的錯(cuò)誤定位方法可以緩解回歸測(cè)試用例中產(chǎn)生的過(guò)時(shí)的測(cè)試用例,不受控制的測(cè)試用例,冗余的測(cè)試用例和新的測(cè)試用例的問(wèn)題。
(4)提出了基于軟件度量的歸測(cè)試用例優(yōu)化的錯(cuò)誤定位方法,這
9、種方法利用歷史缺陷按照功能點(diǎn)分類(lèi)并結(jié)合缺陷嚴(yán)重級(jí)別和優(yōu)先級(jí)別以及功能模塊的調(diào)用頻率得到功能調(diào)用模塊缺陷率,進(jìn)行回歸測(cè)試用例功能優(yōu)化,再根據(jù)函數(shù)之間的調(diào)用頻率得到回歸測(cè)試用例函數(shù)優(yōu)化,最后以其歷史Ochiai可疑度,程序依賴(lài)圖中的控制依賴(lài)邊和數(shù)據(jù)依賴(lài)邊得到平均節(jié)點(diǎn)Ochiai可疑度,根據(jù)測(cè)試用例覆蓋節(jié)點(diǎn)情況,得到各個(gè)測(cè)試用例的平均節(jié)點(diǎn)Ochiai可疑度之和,利用各個(gè)測(cè)試用例的平均節(jié)點(diǎn)Ochiai可疑度之和對(duì)測(cè)試用例進(jìn)行回歸測(cè)試語(yǔ)句優(yōu)化,根
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
- 基于偶然正確測(cè)試用例識(shí)別的錯(cuò)誤定位方法.pdf
- 面向軟件錯(cuò)誤定位的測(cè)試用例選擇方法研究.pdf
- 組合測(cè)試用例生成及故障定位技術(shù)研究.pdf
- 基于偶然性正確測(cè)試用例發(fā)現(xiàn)的軟件錯(cuò)誤定位方法.pdf
- 面向錯(cuò)誤檢測(cè)與定位協(xié)同的測(cè)試用例集最小化技術(shù).pdf
- 測(cè)試用例利用技術(shù)研究.pdf
- 基于程序變異的錯(cuò)誤定位技術(shù)研究.pdf
- 基于模型檢驗(yàn)的測(cè)試用例生成技術(shù)研究.pdf
- 基于程序變異的錯(cuò)誤定位技術(shù)研究
- 組合測(cè)試用例生成技術(shù)研究.pdf
- 基于模型驅(qū)動(dòng)的測(cè)試用例自動(dòng)生成技術(shù)研究.pdf
- 基于變異的錯(cuò)誤定位優(yōu)化技術(shù)研究.pdf
- 回歸測(cè)試用例選擇技術(shù)研究.pdf
- 結(jié)合測(cè)試用例約簡(jiǎn)和概率圖建模的軟件錯(cuò)誤定位方法研究.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
- 面向能耗的測(cè)試用例生成技術(shù)研究.pdf
- 基于粒子群優(yōu)化算法的測(cè)試用例生成技術(shù)研究.pdf
- 基于改進(jìn)粒子群的組合測(cè)試用例生成技術(shù)研究.pdf
- 基于改進(jìn)遺傳算法的測(cè)試用例生成技術(shù)研究.pdf
- 基于遺傳算法的測(cè)試用例自動(dòng)生成技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論