基于程序图的路径测试

本文给出了一种利用程序图进行软件测试的路径测试方法。     

一种具有优先级的参数配对组合覆盖测试集生成方法

参数的配对组合测试广泛用于软件系统错误的检测。然而在实际参数组合测试的应用中，由于时间或预算等限制原因，无法运行整个测试集。在此情况下，必须设置测试案例的优先级。本文引入优先级权值的概念，使用一个贪心算法为已生成的参数配对组合覆盖测试集按照优先级高低进行排序。不论测试在任何时刻中断，都可确保最重要的测试已被运行。     

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.     

面向对象软件的回归测试策略

按照「１」「２」的方法进行了类测试及集成测试的面向对象软件,提出了一种回归测试的策略,并给重用且修改现存的测试例,产生新的测试例的方法     

一种GUI测试的EDPN测试树生成模型

设计了一种EDPN测试图,提出了基于EDPN测试图的测试树构造算法．在给出基于EDPN测试树覆盖准则的基础上,得出了测试用例生成方法．实践表明,给出的测试方法简单、实用,能对GUI的测试达到较高的测试覆盖率．     

一种具有优先级的参数配对组合覆盖测试集生成方法

参数的配对组合测试广泛用于软件系统错误的检测。然而在实际参数组合测试的应用中,由于时间或预算等限制原因,无法运行整个测试集。在此情况下,必须设置测试案例的优先级。本文引入优先级权值的概念,使用一个贪心算法为已生成的参数配对组合覆盖测试集按照优先级高低进行排序。不论测试在任何时刻中断,都可确保最重要的测试已被运行。     

多目标测试用例优先级排序研究进展

单目标测试用例优先级排序具有片面性的缺点,为解决问题出现了多目标测试用例优先级排序;多目标测试用例优先级排序是根据多个优化目标给出测试用例的执行次序,从而提高软件测试效率,并降低回归测试开销;在介绍多目标测试用例优先级排序基本概念的基础上,总结了目前求解问题的主要方法,指出其存在的问题,给出了多目标测试用例优先级排序问题的未来研究方向。     

基于动态优先级的奖励优化模型

传统的约束马尔可夫决策过程(constrained Markov decision process, CMDP)模型用来解决多目标决策的困难,但该模型缺乏通用性并且只适用于离散环境。为了解决这一问题,提出一种基于CMDP的改进算法CRODP,与强化学习(reinforcement learning, RL)算法结合,将带约束问题建模为拉格朗日公式,其中包含着深度强化学习的策略参数。然后进一步推导出模型参数的更新公式,并将其作为深度强化学习神经网络的损失函数。模型在学习过程中动态调整约束与主要目标之间的权重以确保最终策略符合给定的约束。在若干机器人平台上与基准的深度强化学习算法进行比较,显示本算法得出的最优策略能够更好地满足相应约束。     

模糊线性回归模型中的拟合度问题

对一般的模糊线性回归模型，给出了变量Y的区间估计[Yi^L,Yi^U]，并得出回归直线Y^h=1为Yi的最好拟合，定义置信指标IC，用IC值作为对直线Y^h=1的拟合优劣判断，并与其他判别准则做比较。     

紧急交通流信号控制优先级划分模型

针对紧急交通流优先控制对城市常态交通干扰导致的拥堵问题,提出了一种面向紧急交通流分级优先控制的优先级划分模型.基于模糊理论,建立了考虑紧急交通流优先需求强度与优先控制影响强度的紧急交通流信号控制优先级多层模糊划分模型.模型中第1层用于判断紧急交通流优先需求强度,第2层用于评估紧急交通流优先控制对背景交通流的影响强度,第3层用于确定最终的优先级别,并据此选择相应的信号优先控制策略.依据实地采集的数据,建立了微观仿真实验模型.仿真结果表明,这种多层模糊模型能够输出紧急交通流优先级别划分的满意解,使高优先级紧急交通流的行程时间下降27.5%,低优先级紧急交通流优先控制导致的车均延误下降25.9%.     

基于分组的并行程序多路径覆盖测试数据进化生成

尽管并行软件测试已经得到软件工程界的广泛关注,但是,如何高效生成覆盖并行软件多条路径的测试数据,相关的研究还比较少。本文研究消息传递并行程序多路径覆盖测试数据生成问题,并提出基于分组的测试数据进化生成方法。首先根据并行程序包含的进程数、可用的计算资源以及路径相似度,将目标路径分成若干组,并基于每组目标路径,建立多路径覆盖测试数据生成问题的数学模型;然后采用多种群并行遗传算法求解上述模型,使得一次运行遗传算法,生成覆盖所有目标路径的测试数据。性能分析表明,所提出的目标路径分组方法不但能够保证不同组包含的目标路径相差很少,而且同一组的目标路径之间具有很大的相似度。将所提方法应用于4个基准程序的测试中,并与已有方法比较,结果表明,所提方法在保证路径覆盖率的前提下,可大大缩减个体评价次数和耗时。     

微处理器指令译码功能测试的连环验证法

提出了微处理器指令译码部分在受限验证思想下的一种改进测试方法——连环验证法,测试序列长度显著减少,故障覆盖率进一步提高。     

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。     

交通问路系统中最短路径的新算法

研究交通线路中的最短路径算法,应用图论中的广度优先搜索思想,给出优先队列的进出队方式,提供一种有效的最短路径的新处,该算法简洁,运算速度快,效果好,并在实际应用中取得了证明。     

Lucene索引段合并优化策略

随着大数据应用发展,如何从海量数据中进行高效信息搜索成为研究热点。Lucene全文搜索引擎通过索引段合并来提高索引效率,但Lucene索引段合并过程大多需要从磁盘加载各索引段,将占用大量系统资源,降低系统吞吐量。针对该问题,提出基于Lucene索引段合并优化策略,该策略通过负载系数来选择不同的索引段合并操作。为提高数据的检索速度,进一步建立索引段相似度评价模型来选择出最优合并索引段集合进行合并。通过与现有Tiere,LogByte,LogDoc等合并策略进行实验对比,提出的优化策略能有效减少索引段合并次数,提升系统吞吐量及索引效率。     

利用线性回归模型对季节指数的估计

利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计.这是一种分析季节指数和季节变动的新思路。     

基于地面搜索区域的全覆盖路径规划问题

对固定区域地面搜索问题的研究,可采用连续问题离散化的思想,将矩形目标区域按每组人数与每人实际搜索宽度的乘积将正方形边长分割成若干个小正方形区域,用奇偶校验思想验证从中心点出发不重复不遗漏地搜索完所有区域到集结点集合是一个可行方案.基于上述思想,本文建立了地面搜索的优化模型,利用最优化原理比较直观地解决了地面搜索问题,并得出了最优搜索路线和最优搜索时间.     

格状波分复用网络中的跨域段保护机制

为了提高网络的生存性,提出一种适用于大规模多域光网络的跨域段保护机制。该机制改进现有“按域分段,域内保护”的段保护方案,将保护通道跨接在受保护域的前后邻域的边界节点上,使得工作通道中相邻的段之间互相重叠,从而实现对域边界节点和域间链路的完全保护,克服了现有方案中要求网络相邻域之间共享边界节点的限制。分析这种新机制的信令过程以及相关性能参数,通过仿真计算与一般的通道保护机制进行了比较。结果表明,跨域段保护机制具有更快的保护倒换速度和较好的资源利用率。     

格状波分复用网络中的跨域段保护机制

为了提高网络的生存性,提出了一种适用于大规模多域光网络的跨域段保护机制。该机制改进现有"按域分段、域内保护"的段保护方案,将保护通道跨接在受保护域的前后邻域的边界节点上,使得工作通道中相邻的段之间互相重叠,从而实现对域边界节点和域间链路的完全保护,克服了现有方案中要求网络相邻域之间共享边界节点的限制。分析了这种新机制的信令过程以及相关性能参数,通过仿真计算与一般的通道保护机制进行了比较。结果表明:跨域段保护机制具有更快的保护倒换速度和较好的资源利用率。