遗传算法在手机软件测试数据自动生成中的应用

在分析了手机软件测试的分类及特点之后,针对手机软件测试中测试用例数据大且不易实现自动化的问题,阐述了使用遗传算法生成数值型软件测试数据的思想;利用遗传算法的自动搜索最优解的特点,解决软件测试中白盒测试的路径覆盖测试数据自动生成问题;进一步分析遗传算法的不足,阐述了将粒子群算法和蚁群算法结合到遗传算法中以解决局部搜索和快速寻找精确解的思想。     

基于改进的自适应遗传算法HCGA的测试数据自动生成

针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA. 通过设计自适应交叉和变异算子,加强了遗传算法的前期全局搜索能力;在进化后期嵌入了爬山算法,提高了局部搜索能力. 实验结果表明,该算法在测试数据的自动生成上优于遗传算法,提高了效率.     

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。     

基于有色Petri网模型的GUI测试用例自动生成技术

通过图形用户接口(GUI)测试已经成为软件测试的主要手段,但现阶段GUI测试自动化程度不高.针对这一问题,提出了一种基于模型的GUI测试用例自动生成技术.给出了基于有色Petri网模型的GUI对象建模方法.定义了2种测试覆盖标准,设计了基于不同测试覆盖标准的测试路径和测试数据生成算法.介绍了支持工具GUI测试用例生成器(GTCG)的设计与实现.实验表明: 该模型可有效地描述GUI系统的状态和行为,该技术有助于提高GUI测试的效率和质量.     

一种用于数据挖掘算法的数据生成方法

由于受到保密性、时间和数据多样性等一些原因的限制,测试数据集的获取一直困扰着数据挖掘算法的研究.因此,提出一种基于遗传算法和熵的测试数据集的模拟生成方法,生成方法利用遗传算法具有继承性的特性对采集到的少量的真实数据进行扩充和模拟,用熵衡量生成数据与真实数据的相似程度,最终生成规模大的测试数据集,并给出了描述型数据的生成算法.使用此方法,可以生成同真实数据集具有相同的属性,相同的属性取值区间和属性值分布,类似属性关联关系的测试数据集,加速数据挖掘算法的研究进程.     

面向SCOTEM模型的软件测试数据生成方法研究

如何从UML模型生成测试用例为面向对象软件测试带来了新的挑战.为测试用例提供测试数据是其中的关键环节.Shaukat Ali等人在UML基础上提出SCOTEM模型,但是此模型的测试数据需要人工生成.针对SCOTEM模型进行了改进使其适于灰盒测试,以OCL约束测试数据的生成和运行结果的验证,并提出了一种为基于粒子群算法的改进SCOTEM模型自动生成测试数据的方法.针对不同的覆盖标准,实验证明该方法能够以更高的效率生成高质量的测试数据.     

优化遗传算法在软件测试用例方面的应用

计算机软件测试的重要手段是测试用例的自动生成,关键问题是路径搜索.遗传算法技术是一种高效的搜索巡游算法,在软件测试用例中广泛应用.将遗传算法进行优化改进,使它有能力处理输入的庞大数据,均衡搜索能力,从而设计出最优测试数据.     

基于改进遗传算法的接口测试数据集的生成方法

针对用电信息采集统一接口平台需要大量包含足够测试用例占比的测试数据这一难题,提出基于改进遗传算法的用电信息采集系统统一接口平台测试数据集的生成方法;在对原始数据预处理的基础上,采用基于相似度的交叉算子对原始群体扩充,使用提出基于群体趋势不变的染色体变异算法,在保持群体数据集特性的情况下增大测试用例占比,从而形成测试数据的自动生成方法;应用该测试数据集生成方法,基于某省级电力公司2016年7—9月300万个典型用电客户用电数据进行数据集生成实验,利用熵原理比较无变异因子、插值法变异和改进遗传算法分别生成的测试数据与原始数据的重合度。结果表明,改进遗传算法生成的测试数据集,具有同用电信息采集系统采集数据相同的属性和属性值分布以及类似的属性关联关系,能够满足测试用例需求。     

基于遗传算法的面向多样性EFSM测试序列生成方法

为提高扩展有限状态机(EFSM)测试用例生成的效率及效果,提出了一种基于遗传算法的面向多样性EFSM测试用例集生成方法.在优化遗传算法个体编码和操作算子的基础上,引入EFSM测试序列集多样性度量,利用遗传算法,不断增加测试序列集中测试序列间的差异程度.同时在方法中增加测试序列可行性判别机制,以保证最终测试序列均为能产生测试数据的可执行序列.实验结果表明,与未考虑多样性的EFSM测试序列生成方法相比,面向多样性的方法不仅能够生成可执行并满足测试覆盖准则的测试序列集,而且有效减少了测试序列集生成的时间开销,同时缩小了所需最小测试用例集的规模.     

多模态函数优化的人工免疫应答优化算法

针对传统的人工免疫算法收敛速度较慢,搜索精度较低的问题,基于免疫应答原理提出一种多模态函数优化的人工免疫应答优化算法.该算法将初始抗体群分配为记忆抗体群和一般抗体群,对记忆抗体群实施高频变异算子进行局部精细搜索,并对一般抗体群执行趋同过程算子进行全局粗搜索,从而加快了进化过程.通过典型多模态函数对该算法进行性能测试,实验结果表明,该算法具有更快的收敛速度和更高的搜索精度.     

用于测试用例生成的遗传算法改进

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段。传统遗传算法是一种多点搜索和采用交叉操作的技术,有效应用于测试用例生成。遗传算法虽然具有良好的全局搜索能力,但对于局部空间的搜索问题不是很有效。针对此问题,对传统遗传算法在适应度函数、遗传算子方面进行改进,提高该算法在局部空间的搜索能力,提出一种基于改进遗传算法的测试用例生成方法。实验结果表明,所提出的方法在测试用例生成的效率和效果方面优于基于传统遗传算法的测试用例方法。     

改进的乌鸦搜索算法在软件测试用例生成中的应用

在软件测试中,为了更有效地生成测试用例,提出了一种改进的乌鸦搜索算法应用于软件测试中生成不同的测试用例.该算法采用柯西变异算子来自动生成具有较高变异的测试数据集,利用相对误差作为适应度函数来选择较好的测试用例.柯西变异算子的引入可以防止算法陷入局部最优,进而增强了算法搜索的效率.实验结果表明,与其他启发式算法相比,该算...     

软件测试研究进展

从软件测试的技术与过程、持续的软件测试、软件测试的充分性准则等方面简要介绍软件测试的基本思想;讨论软件测试中的若干问题,包括面向路径的测试数据自动生成、测试预言、期望结果的自动生成、回归测试等;并且探讨软件测试的发展趋势,包括构件测试、软件的易测试性与基于合约的构件易测试性设计和Web Services测试等。     

一种改进的遗传算法在测试用例中的应用研究

测试用例的自动生成是软件测试的重要环节,其关键问题是路径搜索问题,遗传算法作为一种高效的搜索寻优算法被广泛应用到测试用倒中。该文提出一种改进的遗传算法,对选择算子和交叉算子进行改进,把传统遗传算法和最优保存策略相结合,提高遗传算法的局部搜索能力。研究表明,该算法比传统遗传算法在生成测试用例的效率方面更具优势。     

基于MC/DC的回归测试数据进化生成

在合理利用已有测试数据形成优势初始种群的前提下采用遗传算法自动生成回归测试数据是软件测试研究的一个热点.本文通过在已有测试数据的基础上依据MC/DC准则演进增补部分用例提升MC/DC覆盖率.首先,通过记录每个已有测试数据覆盖的条件组合确定要增补用例的目标条件组合,其次,根据适应度函数从已有测试数据中筛选出部分数据作为初始种群,再次,根据已筛选的部分初始种群所覆盖的条件组合与目标条件组合确定遗传操作分量,最后,演进并判定提取目标数据.理论与实验表明,该方法可以提高回归测试数据生成效率及代码覆盖率.     

基于损失函数的单元测试用例自动化生成算法研究与实现

软件测试是软件开发过程中最为耗时的阶段之一.通过自动执行大量的测试用例,可以高效、及时地发现软件程序中潜在的错误,这是提高大中型软件开发质量的重要技术发展趋势.目前较多的元启发式优化算法已经能够实现测试用例的自动生成,但测试效率较低且开销较大,所以如何使得生成的测试用例在数量较少的情况下覆盖尽可能多的目标,就成为自动化测试用例生成中的核心技术问题.本文提出一种基于损失函数的单元测试用例自动化生成算法(LFGA),在遗传算法的执行过程中,根据测试用例种群的路径覆盖情况,动态改变后续种群的分布,保证整体数据分布的平衡性.并利用分支信息优化自适应交叉变异算子,自动生成规模尽可能小且高覆盖的有效测试用例集.实验结果表明,相比于已有的自动生成测试用例方法,较好地解决了传统模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷,保证了生成的测试用例平均覆盖率达到95%,提升了搜索效率及数据使用效率.     

基于PSO算法的软件测试技术研究

测试数据集的全面性和覆盖完整性,对于软件测试的效果具有重要意义.该文在PSO(粒子群算法)的基础上进行了三重改进:(1)设计了具有线性特征的惯性权重系数和2个学习因子;(2)重新设计了粒子聚类密度的判别参数;(3)对PSO算法的适应度函数进行了修正.实验结果表明,用该文设计的PSO算法生成软件测试数据集合,不仅迭代收敛速度快,而且数据集的覆盖率高.     

基于抽象语法树的代码静态自动测试方法研究

软件测试是排除软件故障，提高软件质量和可靠性的重要手段。从是否需要执行被测程序角度考虑，软件测试分为静态测试和动态测试。动态测试通过输入测试数据，动态执行程序来发现软件中存在的错误。尽管动态测试能发现部分软件错误，但对于一些特殊类型错误的检测无效。鉴于此，本文采取了一种特殊的静态分析技术来实现对代码的测试。本文首先讨论了传统软件测试方法的缺点和局限性，给出了软件的故障模型，进而提出了基于抽象语法树的静态分析技术，并给出了故障自动检测算法。依据该算法开发了自动化测试工具，给出了实验结果和对比分析，并指出了下一步的研究方向。     

基于抽象语法树的代码静态自动测试方法研究

软件测试是排除软件故障，提高软件质量和可靠性的重要手段。从是否需要执行被测程序角度考虑，软件测试分为静态测试和动态测试。动态测试通过输入测试数据，动态执行程序来发现软件中存在的错误。尽管动态测试能发现部分软件错误，但对于一些特殊类型错误的检测无效。鉴于此，本文采取了一种特殊的静态分析技术来实现对代码的测试。本文首先讨论了传统软件测试方法的缺点和局限性，给出了软件的故障模型，进而提出了基于抽象语法树的静态分析技术，并给出了故障自动检测算法。依据该算法开发了自动化测试工具，给出了实验结果和对比分析，并指出了下一步的研究方向。     

软件测试环境COSTE的设计与实现

介绍一个COBOL软件测试环境COSTE系统的组成结构、主要功能和特点．该系统采用了弱变异、程序插装、测试数据自动生成等一些独特的软件测试技术，可以完成对COBOL程序的静态分析和动态测试，提供关于被测软件的程序特性和异常信息，以夏动态测试结果和结构覆盖信息，并可以根据覆盖情况和结构覆盖准则，自动生成补充的测试数据。以期更好地逼近结构覆盖要求，辅助用户更有效地进行软件维护工作．