組合測(cè)試是一種通過(guò)檢測(cè)軟件系統(tǒng)因素中所有取值組合來(lái)查找故障的軟件測(cè)試方法。軟件的本身因素及其之間的相互作用都可能引發(fā)故障,隨著技術(shù)的不斷發(fā)展,軟件復(fù)雜度的持續(xù)增加,軟件因素的組合空間變得異常龐大,難以對(duì)組合測(cè)試用例進(jìn)行全面的覆蓋。因此,采用何種方式高效地挑選并生成規(guī)模較少、具有高檢錯(cuò)率的測(cè)試用例是組合測(cè)試領(lǐng)域的關(guān)鍵性任務(wù)。在軟件測(cè)試領(lǐng)域,元啟發(fā)式搜索算法解決了組合測(cè)試的NP完全問(wèn)題,而粒子群算法具有其獨(dú)特的競(jìng)爭(zhēng)優(yōu)勢(shì)。本文系統(tǒng)地回顧和總結(jié)了 PSO（PSO,Particle Swarm Optimization）算法在組合測(cè)試用例集生成問(wèn)題中的研究成果,針對(duì)無(wú)效組合的約簡(jiǎn)問(wèn)題、粒子群算法的參數(shù)問(wèn)題以及算法早熟收斂易陷入局部最優(yōu)問(wèn)題,將改進(jìn)的IPO（in-parameter-order）策略和動(dòng)態(tài)簡(jiǎn)約粒子群算法（ASPSO,Adaptive Simplified Particle Swarm Optimization）相結(jié)合,提出了一種可以滿(mǎn)足任意強(qiáng)度覆蓋表且具有時(shí)間與空間優(yōu)勢(shì)的組合測(cè)試用例生成方法。本文的主要研究工作和貢獻(xiàn)概括如下:（1）針對(duì)各個(gè)實(shí)際輸入因素之間存在的約束關(guān)系問(wèn)題,提出了... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２三種不同算法在測(cè)試用例規(guī)模上的對(duì)比柱狀圖??從圖３．２中可知，ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法在測(cè)試用例規(guī)模上一般都優(yōu)于??

浙江理工大學(xué)碩士學(xué)位論文?基于改進(jìn)ＰＳＯ算法的組合測(cè)試用例生成技術(shù)研究??２０??丨；／Ｖ＊八一??‘?＿?＾?＾ｃ＂?－ｒ?＾＾ＶＶＶＶＶ＂５??ＩＰＯ－ＰＳＯ?—ＫｉＲ＞ＰＳ０??圖３．３?ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法的測(cè)試用例減少比例折線(xiàn)圖??從折線(xiàn)圖３．３中可知，ＮＩＰＯ－ＰＳＯ算法在覆蓋表中表現(xiàn)良好，在一定程度上，??其測(cè)試用例集規(guī)模都要比ＩＰ０－ＰＳ０算法小，在ＣＡ２和ＭＣＡ６的覆蓋表中優(yōu)勢(shì)更??加明顯。??由于算法的執(zhí)行時(shí)間也是評(píng)估算法優(yōu)劣的一個(gè)關(guān)鍵指標(biāo)，因此有必要對(duì)其進(jìn)??行深入研究與對(duì)比。??表３．３ＰＳＯ、ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法執(zhí)行時(shí)間比較??Ｃｏｖｅｒｉｎｇ?約簡(jiǎn)時(shí)間比例／％??ＰＳＯ?ＩＰＯ－ＰＳＯ?ＮＩＰＯ－ＰＳＯ?????Ａｒｒａｙ?ＩＰＯ－ＰＳＯ?ＮＩＰＯ－ＰＳＯ??ＣＡ１?１０．７?１１．２?１０．９?－４．６７?－１．８７??ＣＡ２?２８．３?２４．１?２５．８?１４．８４?８．８３??ＣＡ３?５４．８?４９．１?４６．２?１０．４０?１５．６９??ＣＡ４?２０３．７?１９０．２?１８２．４?６．６３?１０．４６??ＣＡ５?１００２．７?９７３．８?８１３．７?２．８８?１８．８２??ＭＣＡ６?５５．４?４８．９?５１．９?１１．７３?６．３２??ＭＣＡ７?３４．１?２８．４?３０．６?１６．７２?１０．２６??ＭＣＡ８?５２．３?４９．１?４７．９?６．１２?８．４１??ＭＣＡ９?１２９７．２?１１５３?１０２２．３?１１．１２?２１．１９??

浙江理工大學(xué)碩士學(xué)位論文?基于改進(jìn)ＰＳＯ算法的組合測(cè)試用例生成技術(shù)研宄??ＶＳＣＡ１２?１５７．８?１４０．９?１２９．５?１０．７１?１７．９３??ＶＳＣＡ１３?８９３．７?７９２．４?７２３．１?１１．３３?１９．０９??ＶＳＣＡ１４?１２９．８?１１４．３?１０９?１１．９４?１６．０２??ＶＳＣＡ１５?７１２?６８１．４?６３２．９?４．３０?１１．１１??從表３．３中可看出，除了?ＣＡ１和ＶＳＣＡ１１這兩個(gè)覆蓋表以外，其他覆蓋表??中ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法都比ＰＳＯ算法用時(shí)少，其優(yōu)勢(shì)在ＣＡ５、ＭＣＡ９、．??ＶＳＣＡ１３這些維度比較高的覆蓋表中更加明顯。??圖３．４是關(guān)于算法執(zhí)行時(shí)間的對(duì)比柱狀圖，其可以從執(zhí)行時(shí)間方面更好地比??較三個(gè)算法的性能。??－一－－??????－?§—??咖??—Ｉ?—?Ｉ??Ｉ?咖?１———ｉ?－＇?ｉｉ??咖?——￣?１１??ｋ—?：?Ｉ?．．．?Ｉ：?．?．．ＨＩ．．?Ｌ??Ｉ?—?一?，ＪｄｌＬ—?ｌｕｌｌｉｉｉ?１??繼?ＰＳＯ?鱺卞丨ＰＯＰＳＯ??圖３．４三種不同算法的執(zhí)行時(shí)間柱狀圖??從圖３．４中可知，對(duì)執(zhí)行時(shí)間較長(zhǎng)的ＣＡ５、ＭＣＡ９、ＶＳＣＡ１３、ＶＳＣＡ１５這??四個(gè)覆蓋表進(jìn)行對(duì)比分析，發(fā)現(xiàn)ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法執(zhí)行時(shí)間方面具有??明顯優(yōu)勢(shì)。??下面將根據(jù)ＩＰＯ－ＰＳＯ和ＮＩＰＯ－ＰＳＯ算法的約簡(jiǎn)時(shí)間比例畫(huà)一個(gè)折線(xiàn)圖以便??更直觀地進(jìn)行對(duì)比。??２９??

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群優(yōu)化算法的測(cè)試用例生成方法[J]. 張娜,滕賽娜,吳彪,包曉安.  計(jì)算機(jī)科學(xué). 2019(07)
[2]軟件測(cè)試策略和測(cè)試方法的應(yīng)用分析[J]. 項(xiàng)楠.  科學(xué)技術(shù)創(chuàng)新. 2019(11)
[3]基于混合粒子群的IMX系統(tǒng)組合測(cè)試用例集生成[J]. 徐濤,張亭亭,左海超.  現(xiàn)代電子技術(shù). 2019(08)
[4]兩兩組合測(cè)試用例生成的遍歷搜索算法[J]. 宋曉秋,梁凡.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(02)
[5]簡(jiǎn)單循環(huán)約減三三組合測(cè)試用例生成方法[J]. 艾華,宋曉秋,安恒.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(12)
[6]基于動(dòng)態(tài)調(diào)整簡(jiǎn)化粒子群優(yōu)化的組合測(cè)試用例生成方法[J]. 包曉安,鮑超,金瑜婷,陳春宇,錢(qián)俊彥,張娜.  計(jì)算機(jī)科學(xué). 2018(11)
[7]基于精英高斯學(xué)習(xí)的改進(jìn)魚(yú)群粒子群混合算法[J]. 康朝海,王博宇,楊永英.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(04)
[8]基于組合混沌遺傳算法的最小測(cè)試用例集生成[J]. 申情,蔣云良,沈張果,樓俊鋼.  電信科學(xué). 2016(06)
[9]利用蟻群算法生成覆蓋表:探索與挖掘[J]. 曾夢(mèng)凡,陳思洋,張文茜,聶長(zhǎng)海.  軟件學(xué)報(bào). 2016(04)
[10]基于程序切片的測(cè)試用例生成系統(tǒng)研究與實(shí)現(xiàn)[J]. 王志文,黃小龍,王海軍,劉烴,俞樂(lè)晨.  計(jì)算機(jī)科學(xué). 2014(09)

碩士論文
[1]組合測(cè)試工具的服務(wù)化[D]. 周錦春.南京大學(xué) 2019
[2]基于人工蜂群算法的軟件測(cè)試用例自動(dòng)生成研究與實(shí)現(xiàn)[D]. 李龍燕.河北工程大學(xué) 2017
[3]基于改進(jìn)粒子群的組合測(cè)試用例生成技術(shù)研究[D]. 楊亞娟.浙江理工大學(xué) 2017
[4]組合測(cè)試與自適應(yīng)隨機(jī)測(cè)試的理論研究[D]. 祁元超.南京郵電大學(xué) 2016
[5]軟件失效模式評(píng)測(cè)工具的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉卓鉞.哈爾濱工業(yè)大學(xué) 2012



本文編號(hào)：3114674