基于函数调用路径的测试用例混合优化方法

如何对回归测试进行优化是软件开发与维护周期中的一个关键问题,传统的单一主题的测试用例优化技术存在局限性。因此,提出一种将测试用例选择和优先级排序相结合的初次选择-排序-再次选择的混合优化方法。首先,利用基于函数调用路径(function call path, FCP)对代码进行变更影响分析的结果,选择出部分测试用例;然后,从不同角度出发设计多个目标对这些测试用例进行综合排序,并根据执行信息动态调整;最后,从调整过优先级的测试用例中再次选择,形成最终的测试用例集。实验结果证明:所提出的优化方法能在尽量保证测试用例集的缺陷检测能力的情况下,一定程度上降低测试用例集的规模,提高回归测试的效率。     

基于MC/DC的测试用例优先级算法研究

回归测试过程往往需要执行大量的测试用例。为减少回归测试工作量,可以使用测试用例优先级技术。介绍了MC/DC测试用例优先级算法,通过对MC/DC测试用例集中的测试用例进行优先级排序,使高优先级测试用例比低优先级测试用例在回归测试过程中优先执行,可以更早地发现软件错误和满足代码测试充分性要求,减少回归测试的工作量。     

结合需求与反馈的动态测试用例优先级排序方法

为提高软件测试的缺陷检测速率,提出结合需求与反馈信息的动态测试用例优先级排序方法.根据需求优先级和需求是否变更对测试用例优先级进行初始化,执行过程中结合需求相关性和反馈信息动态调整未被执行的测试用例的优先级,直到测试用例执行条件跳出为止.在GPSking中的验证结果为:本方法的APFD为68.73%,而测试用例按被创建顺序的APFD为51.4%,仅采用需求优先级静态排序的APFD为67.5%.结果表明,该方法能很好地提高缺陷检测速率.     

基于改进LDA算法的测试用例优先级排序研究

提出了一种新的静态黑盒测试用例优先级(Test Case Prioritization,TCP)排序算法,在没有源代码的情况下,需要对测试用例集合按照优先级进行排序。改进原始的LDA算法,应用每个测试用例的语言数据(如,标识符名称、注释和字符串文字)和标签来预测测试用例的主题,利用期望最大化算法进行模型的参数估计。在实验部分,我们将提出的算法与现有的技术进行比较,以验证该算法的性能。     

一种并行环境下测试用例优先级技术度量方法

为了解决并行环境下的测试用例优先级技术度量问题,首先对现有度量方法的性质进行了分析,指出了现有度量方法在物理意义和扩展性等方面的局限性.然后针对并行环境下多处理队列的特性,综合考虑错误检测能力及测试开销等因素,对测试用例序列的性能进行评估,提出了一种新的测试用例优先级技术度量方法,并给出了相应的计算公式和实例研究.在此基础上,通过引入一种相对度量,解决了并行环境下度量结果的比较问题,并推导出一种常见情景下的计算公式,用于均匀划分情况下的简化计算和比较.     

面向对象的信息系统规划方法

提出了面向对象的信息系统规划方法. 将规划过程分为识别组织目标、识别组织行为、确定对象与子系统和建设子系统优先级排序等几个主要阶段. 定义了行为和对象的关联度矩阵,基于聚类方法确定信息系统子系统的建设需求. 并给出了子系统优先级排序的指标体系,采用层次分析法完成子系统优先级排序.     

基于线性规划的传感器管理算法的研究

首先对目标优先级排序函数及传感器与目标配对函数进行分析，建立了传感器对目标的效能函数和浪费函数，然后利用线性规划给出了一种多传感器资源分配的算法，最后用仿真验证了该算法的有效性。     

回归测试路径优先级模型

为了提高回归测试的效率,根据组件间的调用图,找出可能的路径片段,通过测试用例的执行历史进而计算出路径片段的覆盖指数,最后对覆盖指数进行排序,提出了一种测试用例的优先级模型.用此模型可以高效地进行回归测试,及时发现程序中的错误.     

测试用例集约简方法综述

测试用例集约简的目的是对于给定的测试目标,使用尽可能少的测试用例完成测试,提高软件测试效率,降低软件测试成本;首先介绍了测试用例集约简问题的基本概念并对目前求解该问题的主要方法进行了总结,根据测试用例集的评价体系对各算法的性能和优劣进行了分析和比较;最后给出了测试用例集约简问题的下一步研究方向。     

带有模糊数的多优先级多目标优化

针对目标函数中带有模糊数的多优先级多目标优化问题，采用单侧变可行域优化方法，通过人机交互，给出了满意的优化结果．仿真实例表明，该方法既可以保证各个目标函数较好地优化，又可以保证目标函数之间的优先级要求．     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

划分测试中测试用例最优分配问题研究

研究了划分测试中每个子域错误率已知，测试资源受约束时，测试用例如何合理分配的优化问题．主要考虑了两类测试用例分配问题：测试资源受约束的测试用例分配及测试资源受约束且各个子域的可靠性要达到一定要求时测试用例的分配，证明了带约束的测试用例最优分配问题是一个NPC问题．给出了动态规划求解方法，从理论上证明了该方法是最优的，并通过随机模拟将该方法与其它常见的测试用例分配策略进行分析比较，用实验数据验证了该办法能合理利用有限测试资源，有效地提高缺陷检测能力．     

多目标投资决策模型的进化算法

对一般的多目标投资决策问题给出了一种进化算法,并在微机上进行了大量试算,获得了良好的效果。     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法.首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解.仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力.     

基于模糊集理论的一主多从多目标优化方法

研究了一主多从、从者间有关联的双层多目标规划问题。基于模糊集理论 ,提出了一种易于实施的模糊决策方法 ,为两层以及多层决策问题提供了新的求解途径 ,对进一步研究两层及多层决策问题的决策支持系统也有一定的意义。     

高维Poisson方程Cauchy问题的一种数值解法

研究了高维Poisson方程Cauchy问题的数值求解方法，将Poisson方程的cauchy问题的求解归结为先求解Hausdorff矩问题，再求解Poisson方程的混合边值问题。在求解矩问题时，利用积分方程方法设计了高维Poisson方程Cauchy问题稳定化的算法，并对三维Cauchy问题进行了数值模拟。     

多约束最短链路不相交路径的启发式算法

为求解多约束最短链路不相交路径（MCSDP(k)）问题,提出了一种启发式的整数规划方法：FHABIP,并给出了算法搜索方案。根据问题的整数线性约束集合具有的结构特点,利用拉格朗日乘子把整数线性约束集合中的复杂约束引入到目标函数中,导出具有约束系数矩阵是全幺模矩阵特点的整数线性规划问题,从而使这类问题能用单纯形法容易求解。MCSDP(k)在求解线性规划问题的迭代过程中很容易地被求出。算法实验结果表明该算法快速有效。     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...