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。     

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。     

基于覆盖率的面向对象软件自适应随机测试方法

针对现有面向对象软件(OOS)自适应随机测试中挑选测试用例的有效性及错误检测率不高的问题,提出了基于覆盖率的面向对象软件自适应随机测试方法.新方法在生成候选测试用例集时考虑了代码覆盖率信息,将语句覆盖率同测试用例差异性信息综合考虑来挑选将执行的测试用例,从而提高错误检测率.给出了覆盖率动态排序监测技术整体框架、预处理模块、程序插桩模块及排序模块;叙述了DTCGOOS-Cov算法.采用ID3Manage,RabbitAndFox,SATM,SchoolManagement,WaveletLibrary以及WindShieldWiper这6个被测类库,将新方法与传统自适应随机测试方法和纯随机测试方法进行了对比试验.结果表明:基于覆盖率的OOS自适应随机测试方法在F_m和E_m这2项指标上要优于其他2种方法.     

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.     

基于改进粒子群算法的测试用例优先排序

针对标准粒子群算法优化过程中易早熟及后期收敛速度慢的缺点,提出了一种改进粒子群算法用于测试用例优先排序。首先,采用Tent映射初始化粒子种群,提高初始解质量;其次,给出了一种自适应调整因子公式,使调整因子与该粒子的适应度值大小相关,以更新粒子速度与位置信息;最后,对惰性粒子进行混沌搜索优化,提高种群的多样性,保证算法较好的收敛速度及寻优能力;实验结果表明,提出的改进方法在缺陷检测率、测试用例语句覆盖率和有效执行时间等方面均有优势。     

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。     

控制流污点信息导向的符号执行技术研究

以快速生成能够覆盖可能存在缺陷程序点的测试用例为目标,结合基于生成的Fuzzing技术、静态程序控制流分析、静态污点分析等手段,提出一种导向式动态符号计算方法.通过Fuzzing生成能够到达包含缺陷程序点的函数的测试用例,作为种子输入驱动符号执行快速到达缺陷函数;在缺陷函数内利用静态控制流分析、静态污点分析计算出控制流污点可达程序切片,基于该切片进行朝向缺陷点的多路径动态符号执行.实验验证了方法能够有效减轻符号执行应用中广泛存在的路径爆炸问题,并且能生成触发目标缺陷的测试用例.     

基于RGPS的领域模型权重动态设置算法

提出了基于需求动态优先级排序算法的领域资产权重设置方法,建立领域资产的权重和用户最近的访问频度的关系,即能根据用户的即时需求,动态计算用户所提出的需求的优先级,进而求得各个领域模型的权重值;讨论了该算法在网络化软件开发的领域建模与管理工具中的具体应用.解决了领域资产的演化对象选择问题,为实施领域模型的演化提供了技术手段.