教育軟件和教育ICT軟件應用程序測試的自動化能減少測試維護失敗的風險,選擇最優(yōu)化的測試套件能提高效率,因此能降低成本和耗時。本文介紹一種自動化測試工具的研發(fā),這種工具包含教育軟件測試的兩個主要自動化部分:測試套件生成和測試套件優(yōu)化。本文通過控制流圖表示被試教育軟件的控制流。該工具提供五種測試套件生成方法,即邊界值測試、穩(wěn)健性測試、最壞情況測試、穩(wěn)健最壞情況測試和隨機測試,并采用人工蜂群算法或布谷鳥搜索算法對所生成的測試套件進行優(yōu)化,直至達到預期的適應值水平。與其他算法相比,這種方法能夠以最少的一組測試用例達成最大的路徑覆蓋率。最后,我們對所產(chǎn)生的優(yōu)化測試套件進行自動故障檢測。本文還以一所在線開放大學的一門STEM科目為案例,介紹這個工具的使用情況。 

【文章來源】：中國遠程教育. 2018,(06)北大核心CSSCI

【文章頁數(shù)】：14 頁

【部分圖文】：

自動化測試工具制作的控制流圖（三角形分類問題）條件：C0:a

雜美?a=107,b=65,c=33。這個測試用例通過路徑N0-N1-N3-N5-N7-N8-N11，因此相應路徑的記憶中就增加了這個變異測試用例。表4是第二次迭代的結(jié)果。表4第二次迭代序號123456路徑N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9測試用例a235165-331107-b65589-54165-c33356-65733-目標值-226215.86-16476743.47--56255018.9-95063.799999-以此類推，更多的迭代會增強其記憶。圖4是用ABC優(yōu)化測試套件的截圖。CSA運算初始種群可以用上述任何一種黑盒技術(shù)或隨機測試生成初始種群。本案例用的是隨機技術(shù)，規(guī)定測試用例數(shù)目等于10，測試用例和它們的目標值見表5。表5初始種群序號12345678910路徑N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N6N0-N1-N3-N5-N6測試用例a197992189027091229550516685b9264715139604580844320073c2534193517547875562268685559目標值-193340.28-838870.2-6378400.34-798429.0-42626684.3-1499877.56-64025503.019-28642692.119-10776596.94-1580416.49CSA第一次循環(huán)CSA第一次循環(huán)之后，每一條獨立路徑只剩下一個測試用例，這是對所有通過相同路徑的測試用例的目標值進行比較的結(jié)果。目標值最小的測試用例被認為是這條路徑最佳的測試用例。以通過路徑N0-N1-N2的三個測試用例為例，它們分別是測試用例2（目?

中國遠程教育DISTANCEEDUCATIONINCHINA2018,NO.62018年第6期表7第二次循環(huán)序號123456路徑N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9測試用例a9122166295--b5764200808--c875557685562--目標值-1499877.56-176099.33-10776596.94-64025503.019--好的測試用例，表格會隨著持續(xù)更新。更多的循環(huán)會增強其記憶。圖5是用CSA優(yōu)化測試套件的截圖。圖5用CSA執(zhí)行TSO實驗結(jié)果表8和表9是用ABC和CSA測試20種教育ICT軟件應用程序所獲得的路徑覆蓋率和適應值（20種軟件應用程序的名單見附錄）。表8和表9是用ABC和CSA對20種教育ICT軟件應用程序的測試套件進行優(yōu)化測試的結(jié)果。測試結(jié)果顯示，用ABC的平均路徑覆蓋率是90.3%，而CSA的平均覆蓋率是75.4%。在優(yōu)化數(shù)據(jù)的適應值方面，ABC也優(yōu)于CSA。這說明在路徑覆蓋方面ABC的表現(xiàn)優(yōu)于CSA。另外，研究發(fā)現(xiàn)，除了教育ICT軟件應用程序3外，總體而言，適應值越高，路徑覆蓋率越高。應用程序3的適應值更高，但路徑覆蓋率卻更低。這可能是由于CSA的各種限制條件所引起的，它們以較低路徑覆蓋率換取優(yōu)質(zhì)的數(shù)據(jù)優(yōu)化。我們的這個工具在這兩種算法的幫助下能以最少的測試用例覆蓋最多的路徑，這有助于減少測試時間，大大降低測試費用。用ABC得出這些軟件應用程序適應值的標準差是2.69E-5單位，而CSA的標準差是1.14E-7單位。換言之，CSA的結(jié)果更加一致但路徑覆蓋率較低，而ABC的路徑覆蓋率更好，但結(jié)果不如CSA一致。

【參考文獻】：
期刊論文
[1]轉(zhuǎn)基因?qū)W習:構(gòu)建基于規(guī)則、適合大規(guī)模招生的e-learning推薦模型[J]. 丹尼爾·布爾戈斯,阿爾貝托·考比,肖俊洪.  中國遠程教育. 2017(07)



本文編號：3375188

qikan