基于区间相容技术与GA的测试数据自动生成方法

针对测试数据自动生成完全依赖约束集求解问题（Constraint Solving Problem，CSP）进行求解会导致耗时较大甚至求解不出最终测试用例，以及采用动态GA算法又无法确定变量的最初论域空阃，首次将基于CSP求解与GA的动态算法进行了有机结合，摒弃了二者固有的缺陷，吸取了静态算法对变量论域空间削减速度快的优点。采用eBox区间相容削减标准，过滤变量的论域空间，并在经过削减的空间上采用GA搜索算法自动产生测试数据，应用常变量的逆向推导技术、表达式直接遗传等技术，大幅度地提高了测试数据的生成速度。     

基于区间缩减的自动化打桩方法

为了提高自动化单元测试的覆盖率,提出一种基于区间缩减的自动化打桩方法。该方法首先选择一条目标执行路径,利用路径敏感和变量相关的区间计算技术,计算路径对该路径上所有函数调用的路径约束区间,并利用该约束区间对函数调用的返回值区间进行区间缩减,最后根据缩减后的区间进行桩代码自动生成。该方法已经在单元自动化测试系统(UATS)中实现,对10个开源大型函数进行测试的结果表明:该方式将平均覆盖率由50%提高到81%,对于等价表达式较多的函数,覆盖率提高了10倍,证明该文提出的方式能有效地提高自动化单元测试的覆盖率。     

程序测试数据的生成

研制了为Ｐａｓｃａｌ模块测试生成测试数据的工具，介绍了测试数据成生技术、测试工具的结构及其实现     

面向断言的测试数据生成方法及其应用

提出了一种利用断言产生测试用例的白箱测试方法．该方法首先选定程序中某条语句作为目标节点，通过在目标节点的临界分支和必要分支上插入断言来限制和跟踪程序的执行，以保证程序能到达目标节点，从而生成相关测试数据．利用这种测试数据生成方法，对轨道交通列车自动监控系统软件（ATS）的部分功能模块进行单元测试，并给出测试结果．     

生成测试数据的结构归纳法

提出了生成测试数据的结构归纳法,并举例说明如何运用结构归纳法产生程序的测试数据,以利于程序员有规则地产生测试数据。它对提高测试效率,改善软件产品的可靠性有促进作用。     

变异策略动态构建的模糊测试数据生成方法

模糊测试中随机变异生成的测试数据破坏了目标程序的输入规范,导致测试数据无法通过验证,造成代码覆盖率低.针对这一问题,提出了一种变异策略动态构建的模糊测试数据生成方法,该方法利用插桩执行的反馈信息动态构建控制变异策略和关键字变异策略,指导模糊器变异出高覆盖率的测试数据.实验结果表明,与随机变异相比,该方法平均使代码分支覆盖率提高了约40%;该方法能够有效提高模糊测试的效率,具有较强的实用价值.      

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.     

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。     

基于卡尔曼滤波器适应性PSO算法的测试数据生成方法

为了提高PSO算法的效率,提出了一种基于卡尔曼滤波的参数调整方法,在进化过程中根据PSO算法的运行效果对其参数值进行动态调整,以满足在不同阶段具有不同参数值的要求,进而提高PSO算法的性能.结果显示,该方法能较好地减少PSO算法所需的进化代数和运行时间,实验证实了该方法的有效性.     

一种基于扩展WSDL的测试数据自动生成方法

提出一种基于扩展WSDL的测试数据自动生成方法用来生成Web服务测试数据.该方法通过扩展WSDL,采用等价类划分法、边界值分析法、随机生成法相结合生成简单测试数据以后,再采用IPO方法生成复杂测试数据,能够有效地防止参数组合爆炸和人为加权造成的测试数据生成不准确.     

通信不确定MPI并行程序的测试数据自动生成方法

通过对用不确定方式传递信息的MPI并行程序进行分析, 给出测试数据自动生成的数学模型, 提出相似路径概念, 并将交叉思想与协同进化机制融入到人工蜂群算法中, 提出一种测试数据生成算法〖CD2〗交叉协同进化人工蜂群算法. 应用该算法求解并行程序的测试数据, 并与人工蜂群算法、 随机法进行对比分析. 实验结果 表明, 该方法可以求解测试数据, 并降低了时间消耗.     

基于区间套混沌搜索的混合优化方法

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混沌搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率.     

利用缩减样本空间方法替代贝叶斯公式的计算

条件概率的计算是概率论中极其重要的计算之一,一般有利用定义式计算和缩减样本空间计算两种方法．缩减样本空间计算法在先验概率问题计算上比较浅显易懂,但在后验概率问题上计算一般不采用这个方法,而是使用定义式来计算,后验概率的计算又和贝叶斯公式有较大的关系．着重讨论缩减样本空间计算法在后验概率问题上的应用．从而避免利用贝叶斯公式计算的繁琐过程．     

基于变异测试的RESTful Web服务测试数据优化生成方法

为提升基于REST的Web服务系统测试数据生成效率及可用性,提出了一种基于变异测试的测试数据优化生成方法.将RESTful Web服务对应的Web应用描述语言(WADL)增加数据类型约束,并利用该约束生成初始测试数据.对约束关系进行变异生成变异体,在消除等价变异体并利用聚类实现变异体集约简的基础上,结合贪心算法优化筛选初始测试数据,生成无冗余的RESTful Web服务可用测试数据集.基于Hadoop平台技术,实现了针对RESTful Web服务系统测试数据自动生成的支撑软件.测试执行结果表明,在有效保证测试数据可用且无冗余的基础上,极大缩减了测试数据集规模和测试数据生成时间,完成了针对RESTful Web服务系统的自动化测试数据优化生成,提升了测试生成效率.     

基于遗传算法的测试数据自动生成研究

分析了遗传算法在测试数据自动生成中的应用,提出了一种新的数据输出的方法,并通过实验,证明了该方法的优越性。     

利用状态空间进行问题求解

状态空间表示法是一种重要的知识表示方法。搜索是求解问题的一种有效的方法，而和搜索相对应的知识表示法一般有两种：一种是与或树表示法，另一种就是状态空间表示法。状态空间表示法可以利用状态空间求解问题的步骤及代价树的宽度优先搜索策略求解推销员旅行问题。     

基于测试剖面的软件可靠性测试数据生成技术

为了生成自动飞行控制系统软件可靠性测试数据，建立了软件可靠性的测试剖面、环境剖面等概念，提出了基于任务剖面的测试剖面生成技术和由测试剖面生成测试数据的方法，即将输入数据分为系统模式数据和环境数据，并在任务剖面下分别形成系统模式剖面和环境剖面，最后将两种剖面合成为测试剖面；将环境数据分解为控制分量和随机分量，再利用仿真的方法生成控制分量，从而生成复杂关联的测试用环境数据．通过对飞机执行任务的软件测试表明，所提方法能更为准确地描述软件的实际使用情况，其描述方式与硬件可靠性试验较为类似，可作软硬件系统综合的可靠性试验的基础．     

利用雷达滤波进行空间有源假目标识别的原理和方法

针对弹道导弹突防过程中的空间有源假目标欺骗干扰,介绍了利用雷达滤波进行假目标识别的原理和方法．在弹道目标跟踪中,滤波器通常默认目标运动服从二体运动方程．真目标的动力学模型与滤波状态方程相匹配,其滤波状态估计归一化误差较小;而有源假目标则相反．这种差异是有源假目标识别的理论基础．由于实际应用中目标的真实运动状态未知,无法直接计算归一化误差,文中采用非线性最小二乘估计,对目标的状态真值进行更精密的估计以获得名义真值．提出了近似归一化误差的概念．结合典型仿真场景,分析了近似归一化误差的分布特性,设计了识别门限．结合中程弹道进行真假目标的计算机识别实验,并对各种影响识别性能的因素做了分析．实验结果验证了所提识别方法的有效性和可行性。