模型驅(qū)動的軟件開發(fā)方式（Model-Driven Development,MDD）目前被廣泛應(yīng)用于面向服務(wù)架構(gòu)的信息系統(tǒng)中,而模型轉(zhuǎn)換作為MDD中的重要環(huán)節(jié)和核心技術(shù),它的正確性直接影響了基于MDD開發(fā)的軟件系統(tǒng)的成功。隨著模型轉(zhuǎn)換復(fù)雜性增加和規(guī)模的擴大,模型轉(zhuǎn)換的可靠性保障越來越困難,調(diào)試模型轉(zhuǎn)換程序也面臨著許多挑戰(zhàn),而高效準(zhǔn)確的錯誤定位方法能夠幫助提高調(diào)試效率,從而有效地保障模型轉(zhuǎn)換的質(zhì)量。目前,研究人員提出了一些自動化的錯誤定位方法來提高模型轉(zhuǎn)換的調(diào)試效率,其中基于頻譜的錯誤定位技術(shù)（Spectrum-Based Fault Localization,SBFL）作為一種具有代表性的動態(tài)分析方法,主要利用規(guī)則的覆蓋信息和執(zhí)行結(jié)果來估計每個規(guī)則可能出錯的概率。然而由于模型轉(zhuǎn)換的特性,覆蓋信息中假陰性和假陽性結(jié)果的普遍存在導(dǎo)致了頻譜方法的定位結(jié)果并不準(zhǔn)確,因此我們考慮是否可以通過挖掘不同測試模型的覆蓋范圍信息,來進一步地提高錯誤定位的準(zhǔn)確性。本文提出一種基于測試模型影響度來對SBFL進行優(yōu)化的方法,并將其應(yīng)用于模型轉(zhuǎn)換的錯誤定位中。該方法根據(jù)測試模型的覆蓋范圍,來評估不同測試模型對錯誤... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＭＤＤ中的四層模型架構(gòu)??Ｍ３層作為元－元模型層，實現(xiàn)的方式是元對象工具（ＭｅｔａＯｂｊｅｃｔＦａｃｉｌｉｔｙ，ＭＯＦ），元－元??

少的失敗的測試模型的??權(quán)重更高，而相應(yīng)的被權(quán)重越高的測試模型覆蓋的規(guī)則更有可能是錯誤的規(guī)則。??本文通過測試模型中覆蓋規(guī)則的數(shù)量來評價不同測試模型的影響，然后相應(yīng)地調(diào)整頻??譜的可疑規(guī)則列表，而調(diào)整原則是：（１）如果有一個失敗的測試模型涵蓋了較少的規(guī)則，則??為其分配更多的權(quán)重；（２）與權(quán)重更大的失敗的測試模型相關(guān)的規(guī)則可能更可疑；（３）與更??可疑的規(guī)則關(guān)聯(lián)的規(guī)則可能是錯誤的，因為規(guī)則之間的繼承關(guān)系可能導(dǎo)致錯誤傳播。??３．２方法概述??本節(jié)概述我們的方法流程和具體的實現(xiàn)步驟，圖３．１展示了本文方法的基本框架，詳細(xì)??描述了我們方法的技術(shù)細(xì)節(jié)，包括靜態(tài)和動態(tài)分析，為規(guī)則分配權(quán)重值和基于加權(quán)頻譜的??錯誤定位。??Ｉ?ＡＴＬ轉(zhuǎn)換規(guī)則ｊ￣？靜態(tài)ｇ析繼一｜?????１???—＇??；?乂構(gòu)造連接矩?，［ｎ?ｊ權(quán)重的頻譜信?｜更新規(guī)則排????陣?Ｍ?Ａ＃＃?息?＋?名列表??？５＾：卜［動態(tài)！賴Ｈ丨規(guī)麵的計算?Ｉ?練＿誤定位???連接信息的收集???圖３．１本文方法的基本框架??在第一步中，我們靜態(tài)分析轉(zhuǎn)換規(guī)則之間的繼承關(guān)系，用于區(qū)分頻譜的覆蓋信息中具??有相同可疑度值的規(guī)則，并在模型轉(zhuǎn)換執(zhí)行過程中動態(tài)地收集規(guī)則在測試模型中的覆蓋信??息。第二步，根據(jù)收集到的覆蓋和繼承信息，建立測試模型與規(guī)則之間的連接關(guān)系，進一??２０??

??ａｂｓｔｒａｃｔ?ｒｕｌｅ?ＮａｍｅｄＥｉｅｍｅｎｔ｛?ｂｉｎｄｉｎｇ?ｄｅｌｅｔｉｏｎ?ａｂｓｔｒａｃｔ?ｒｕｌｅ?ＮａｍｅｄＥｌｅｍｅｎｔ?｛??ｆｒｏｍ?ｓ?：?ＳｉｍｐｌｅＤＭＬｉＮａｉａｅｄＥｌｅｍｅｎｔ?ｆｒｏｍ?ｓ?：?ＳｉｉａｐｌｅＤＵＬＳＮａｍｅ－ｉＥｌｅｍｅｎｔ??ｔｏ?ｔ?：?ＥＲ！?Ｅｌｅｍｅｎｔ?（?Ｉ?ｔｏ?ｔ?：?ＥＲ！?Ｅｌｅｍｅｎｔ?（??ｎａｍｅ?＜－?ｓ．ｎａｍｅ?——ｎａｍｅ?＜－?ｓ．ｎａｍｅ?？??）?）??｝?＞??圖４．１?ＵＭＬ２ＨＩ中的一個突變體的示例??值得指出的是錯誤定位方法的基礎(chǔ)是針對一組ＯＣＬ斷言在語義上檢查模型轉(zhuǎn)換的正??確性，這意味著必須完成模型轉(zhuǎn)換，得到相應(yīng)的輸出模型。因此，我們所使用的模型轉(zhuǎn)換??的突變體并不會使測試模型拋出運行時錯誤，即它們都完成執(zhí)行并生成了輸出模型。所有??的突變體至少有會使一個ＯＣＬ約束違反，以指示模型轉(zhuǎn)換中存在錯誤，如表所示，這１０８??個突變體一共導(dǎo)致了?５１４個ＯＣＬ斷言的違反，并生成了相應(yīng)的覆蓋矩陣和結(jié)果向量。??４．２可疑度計算方式??為了評估不同可疑度計算技術(shù)在模型轉(zhuǎn)換錯誤定位方面的效果，我們選取了?１２個計??算公式來計算規(guī)則的可疑度得分，如表４．２所示，列出了具體的技術(shù)名稱和計算公式。我??們評估的基礎(chǔ)是５１４個違反的ＯＣＬ斷言所生成的覆蓋信息，通過分析覆蓋信息和轉(zhuǎn)換結(jié)??果，評估更新后的規(guī)則排名列表。???表４２可疑度計算公式???方法名稱?計算公式??Ａｒｉｔｈｍｅｔｉｃ??２（Ｎｃｆ?＊?Ｎｕｓ?—?ＮＵｆ?＊?Ｎｃｓ）???Ｍｅａｎ［５８］?（Ｎｃｆ?＋?Ｎｃ


本文編號：3504380