軟件產(chǎn)品線工程是一種新興的軟件開發(fā)技術(shù),使用這種技術(shù)可以快速高效地開發(fā)并管理一系列具有公共特性的軟件產(chǎn)品,形成軟件產(chǎn)品家族。然而,軟件產(chǎn)品線工程的快速開發(fā)優(yōu)勢卻為測試工作帶來了巨大挑戰(zhàn)。為了克服這一挑戰(zhàn),基于模型的軟件產(chǎn)品線測試策略應(yīng)運而生。組合交互測試一直是軟件測試中的熱門話題,近些年來,軟件產(chǎn)品線研究者們將組合測試方法應(yīng)用于基于模型的軟件產(chǎn)品線測試中。該測試方法的策略是從眾多產(chǎn)品中挑選出少量產(chǎn)品配置以形成測試套件,從而實現(xiàn)高組合覆蓋率。由于有效特征組合的數(shù)量會隨著交互強度的增加而呈爆炸式增長,此現(xiàn)象使得現(xiàn)有的組合測試方法多是在低強度特征交互背景下實現(xiàn),但是在實際的軟件產(chǎn)品線應(yīng)用環(huán)境中,特征交互多為高強度交互。因此如何在高強度特征交互下選擇最少的產(chǎn)品配置來實現(xiàn)最大的組合覆蓋率是的一個困難且具有實際意義的問題。基于模型的軟件產(chǎn)品線測試方法離不開特征模型,傳統(tǒng)的特征模型生成需要軟件產(chǎn)品線領(lǐng)域工程師從需求說明書中手工提取相關(guān)信息進行特征建模�；谑止さ奶卣鹘Ｊ且豁楇y度大、成本高、且易出錯的勞動密集型工作。又因為軟件需求說明書是使用自然語言編寫的文檔,計算機難以直接識別其中蘊含的信息,而現(xiàn)... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．３基于模型的軟件產(chǎn)品線測試策略??－

（Ｔｏｕｒｎａｍｅｎｔ）的方式，在合并種群時剔除適應(yīng)度最小的個體。之所以選擇這兩??種算法是因為有研究表明這兩種算法是在基于搜索的軟件工程領(lǐng)域最有代表性??的兩種算法［４９］，圖２．４是Ｓａｙｙａｄ等人１４９］對基于搜索的軟件工程領(lǐng)域中近年來５１??篇文章中２５種進化算法的出現(xiàn)頻率統(tǒng)計。??３５??３０??｜｜．．．｜??ＮＳＧＡ－ＩＩ?ＳＰＥＡ２?ＭＯＣｅｌｌ?ＰＡＥＳ?ＭＯＧＡ?其他??圖２．４進化算法的使用頻率??Ｆｉｇ．?２．４?Ｅｖｏｌｕｔｉｏｎａｒｙ?ａｌｇｏｒｉｔｈｍｓ?ｂｙ?ｆｒｅｑｕｅｎｃｙ?ｏｆ?ｕｓｅ??２．３?特征建模??測試工作的開展需要特征模型，獲取特征模型的手段只有通過需求說明書完??成特征建模工作來實現(xiàn)。軟件產(chǎn)品線特征模型是由特征與約束關(guān)系組成的一種反??映核心資產(chǎn)的結(jié)構(gòu)，因此本文的特征建模工作將分為特征提取和約束關(guān)系挖掘兩??個部分展開。本節(jié)對研究中需要使用的相關(guān)技術(shù)知識進行簡要闡述。??２．３．１基于自然語言處理技術(shù)的特征提取??自然語言處理（Ｎａｔｕｒａｌ?Ｌａｎｇｕａｇｅ?Ｐｒｏｃｅｓｓｉｎｇ，簡稱ＮＬＰ）技術(shù)使得計算機可??以處理人類日常使用的語言｜５（）］。從自然語言的需求說明書中對候選特征進行提??１５??

而相似性值只是進化過程中的一個引導(dǎo)因素，因此相似性適應(yīng)度函數(shù)值Ｓ??不在這里列出。此外，在以后的實驗中同樣只列出產(chǎn)品配置的數(shù)量和實現(xiàn)的／－ｗｉｓｅ??覆蓋率。最后一列是測試套件中含有的產(chǎn)品配置編號。通過觀察表３．１和圖３．８??可以發(fā)現(xiàn)，最多只需要２．３％的產(chǎn)品配置數(shù)就可以實現(xiàn)１００％的／－ｗｉｓｅ覆蓋率。另??夕卜，可以注意到在圖３．８中，交互強度等于５和６時，初始的／－ｗｉｓｅ未覆蓋率遠(yuǎn)??高于其他交互強度。這是因為在高強度的特征交互下，有效的／－ｓｅｔｓ數(shù)量非常龐??大，遠(yuǎn)高于較低的交互強度，這種情況下，同樣少量的產(chǎn)品配置數(shù)很難實現(xiàn)低交??互強度下的效果。隨著產(chǎn)品數(shù)量的逐漸增多，實現(xiàn)的覆蓋效果大幅上升，最終也??只需要２％左右的產(chǎn)品配置數(shù)就可以起到最好的覆蓋效果。所以通過初步的實驗??可以認(rèn)為ＭＯＯＭ方法可以有效的解決高強度交互下軟件產(chǎn)品線／－ｗｉｓｅ測試問??題。??２９??


本文編號：3339449