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。     

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.     

基于混合类测试模型的面向对象程序测试用例生成研究

提出了一种混合类测试模型,能在基于状态的测试中提供有效数据流分析。该模型不仅包含了当前测试类的状态转换信息,且包含了从其执行代码所得到的数据成员的定义及使用信息。基于新测试模型所生成的测试用例主要克服了基于状态的测试不能检测与状态无关数据成员的缺陷,且保证了定义一使用路径的可执行性,能较好地缓解以往数据流测试开销大、效率低的问题。     

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.     

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。     

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Markov链使用模型的加速统计测试方法

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理,采用交叉熵方法生成最优(或近优)测试剖面,同时给出了一种新的统计测试充分性判定准则,最后根据生成的最优测试剖面自动生成统计测试数据集.仿真实验结果表明,相对于传统的统计测试方法,使用交叉熵方法的加速统计测试方法能有效地降低软件总费用,显著增加关键操作的测试次数,是一种快速有效的加速统计测试方法.     

基于仿真的功能级边界扫描测试码自动生成

分析了用边界扫描测试结构实现芯片功能级测试的方法,提出了一种基于逻辑电路的仿真波形生成电路功能级边界扫描测试代码的方法．利用该方法生成的边界扫描测试矢量可以完备地描述逻辑芯片的功能,从而对数字逻辑电路实现完备、高效和廉价的功能测试．     

基于遗传算法的逻辑电路测试生成的研究

本文提出了一种基于遗传算法的逻辑电路测试生成算法,利用遗传算法的全局寻优特点进行集成电路的测试生成,并与确定性算法进行了比较,所得到的实验结果表明,遗传算法可以在比较小的测试矢量集下得到比较高的故障覆盖率,是一个有效的测试生产算法．     

计算机数据采集与处理系统在实验中的应用

本文针对现有ＳＧ１１５Ｍ型水力测功机在作发动机台架试验时数据采集与处理繁琐．费时、准确度差，采样点数少等一系列问题，研制开发了一套计算机数据采集与处理系统，使得数据采集与处理省时准确且精度高，同步性好．解决了上述问题，提高了工作效率．     

基于数据集相关性聚类的渗透测试目标信息获取模型研究

渗透测试中对目标进行侦察的目的是为了获取目标网络的IP地址、运行的操作系统以及应用程序列表。目前侦察主要通过一些单一的工具进行,这种方式侦察周期较长。本文结合目标信息内容,提出一种通过对数据集进行相关性聚类的方式来获取目标信息的模型,并设计了原型系统。实验结果表明,该模型优于相关工作,在较短的时间周期内获取了准确的目标信息。     

基于混沌退火粒子群优化算法的路径测试数据生成

为实现指定路径的软件测试数据自动生成,提出了一种基于粒子群优化(PSO)算法的演化测试方法.利用分支函数插装和强制路径执行策略,得到用于优化搜索的路径适应值.通过引入混沌搜索、模拟退火和早熟收敛判断机制,克服了标准PSO算法易陷入局部最优而无法找到测试数据的缺陷.三角形判断程序的测试数据自动生成实验表明:在最大迭代次数Tmax为500时,混沌退火粒子群优化(CAPSO)算法的命中概率为99%,标准PSO的命中概率为95%;在Tmax为2 000时,CAPSO算法的命中概率为100%,标准PSO算法的命中概率为95%左右;继续增大Tmax不能使标准PSO算法的命中概率提高,而CAPSO算法总能摆脱局部极值找到满足要求的测试数据.     

基于XML和自动组卷技术的自动考试系统

美的校园招聘笔试规模庞大,过程繁重。采用当前流行的XML和自动组卷技术,基于C/S模式的自动考试系统能够提高试卷的客观性和公正性,并大大减少手动出题、组织考试和评分等繁重劳动。实践证明,结合了XML技术和自动组卷技术的考试系统十分适合美的人力资源部校园招聘的笔试过程。     

一种基于遗传算法的自动组卷算法

对传统遗传算法进行改进,提出了一种基于遗传算法的分段十进制编码,采用分段的单点交叉操作,对于个体而言,实现的是多点交叉操作,最后提出了相应的组卷算法.     

基于扩展WSDL的测试用例自动生成

提出了一种基于扩展WSDL文档自动生成Web服务测试用例的方法,生成的测试用例包括测试数据和操作序列两部分：测试数据通过数据类型及刻面约束产生,并在产生过程中,通过子元素的权重调整生成策略,在保证有效性的同时减少了测试数据的数量;操作序列通过分析扩展WSDL的操作依赖关系产生,结合测试数据,能够有效地测试复杂的操作流程．