【摘要】：隨著軟件應用在各個行業(yè)領域的作用日益重要,對軟件規(guī)模和質量的要求也日益增高。軟件測試是目前軟件質量保障的主要手段,其中回歸測試一般占測試成本的80%,因此提高回歸測試的效率是非常有必要的。在軟件生命周期中,由于頻繁地對軟件進行更新?lián)Q代,從而導致原測試數(shù)據(jù)集往往無法覆蓋到軟件新增或修改的部分,進而無法揭示軟件中存在的缺陷或潛在錯誤。為了保證原測試數(shù)據(jù)集對新版本軟件的完備性,則需要對其進行擴充。本文針對回歸測試數(shù)據(jù)生成過程中存在的不同問題,利用基于搜索的測試數(shù)據(jù)生成技術,提出適應于各個場景的測試數(shù)據(jù)生成方法,并通過實驗驗證方法在特定場景下的可行性。主要工作如下:1、在程序缺陷修復后進行回歸測試的場景下,針對測試數(shù)據(jù)生成過程易陷入局部最優(yōu)的問題,提出一種基于文化基因算法的回歸測試數(shù)據(jù)集生成方法。對Java程序進行測試執(zhí)行分析提取理論路徑集,基于相關性檢測可達路徑并進而優(yōu)化排序,從而得到覆蓋目標路徑集,再依據(jù)路徑覆蓋準則建立回歸測試數(shù)據(jù)生成模型,并采用文化基因算法進行測試數(shù)據(jù)的生成。將不同的方法應用于五個基準程序進行對比試驗,結果表明該方法覆蓋率平均提高14.4%,生成時間平均提高57%,在一定程度上提高了測試數(shù)據(jù)生成的效率。2、在軟件系統(tǒng)新增功能模塊之后進行回歸測試的場景下,針對原有測試數(shù)據(jù)集往往不能滿足新版本軟件測試需求的問題,提出一種基于搜索的分層回歸測試數(shù)據(jù)集擴增方法。依次從方法和語句級別提取覆蓋目標,利用貝葉斯理論對覆蓋目標方法集進行優(yōu)先選擇,進而對其進行靜態(tài)分析提取目標路徑,再針對目標路徑集利用文化基因算法生成測試數(shù)據(jù)。將本方法與隨機法、遺傳法、和粒子群算法進行對比實驗,結果反映出該方法的生成效率至少提高50.5%,測試數(shù)據(jù)的檢錯能力至少提高18.2%,為有效提升測試數(shù)據(jù)集的充分性提供了一種思路。3、針對多任務測試數(shù)據(jù)生成問題,提出一種基于Spark的多因子進化回歸測試數(shù)據(jù)集生成方法。獲取覆蓋目標任務,利用Spark框架的分布式彈性數(shù)據(jù)集將目標任務集進行分解并下發(fā)到各個結點,再啟動Spark分布式環(huán)境中各個集群結點,利用多因子進化算法生成測試數(shù)據(jù)。將該方法應用于五個基準程序并與基于獨立搜索的方法進行對比,實驗證明本方法可以有效地解決多任務問題,且生成效率至少提高3倍。4、依據(jù)本文提出的測試數(shù)據(jù)生成方法,利用UML統(tǒng)一建模語言中的順序圖和交互圖,完成對該系統(tǒng)的建模,設計開發(fā)了一個面向回歸測試數(shù)據(jù)生成的原型系統(tǒng)。
【學位授予單位】：西安郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP311.53
【圖文】：

圖 2. 4 示例程序及其如圖 2. 4 所示，假設語句 3 為當前的目標測試數(shù)據(jù)分別為 1t 2 0,10, 20、 2t 2,1為 ( ) 1p t s ,1, 4,5,e 、 ( ) 2p t s ,1, 2， 4, 5,e試數(shù)據(jù) 覆蓋路徑節(jié)點的情況，表示目標語句。表 2. 2 測數(shù)據(jù)覆A B X11t -20 10 20 +2t 2 10 20 +3t 2 1 20 +通過對比三個測試數(shù)據(jù)的覆蓋路徑發(fā)現(xiàn)，目了語句 2，則說明其覆蓋到語句 3 的可能性1t 已經偏離了測試目標語句所在的分支，因

第 3 章 基于文化基因算法的回歸測試數(shù)據(jù)集生成方法索到比當前個體具有更好適應度的新個體，來提高整個種群中個體的適應性，從而使得種群達到可進行相互操作的預備狀態(tài)；然后，進行個體與個體之間的互相操作。這種相互的操作可以為競爭操作，也可以為協(xié)作操作。競爭操作可以理解為遺傳算法中的個體選擇算子，協(xié)作操作可以理解為遺傳算法中的交叉算子和變異算子，也可將個體相互操作理解為個體的信息交換；最后，互相競爭、協(xié)作操作以及局部搜索三種過程交替循環(huán)進行，直至滿足算法的中止條件。其中，局部搜索的過程模擬了變異的過程，該過程需要大量的專業(yè)知識的支撐，因此整個局部搜索過程并不是混亂無章，也不是隨機無序的搜索，而是具有規(guī)律的向更好的個體進行變異和進化，這也是文化基因算法比一般進化算法進化過程快的原因。文化基因算法的基本流程如圖 3. 1 所示，局部搜索可以放在不同的位置：

【相似文獻】

相關期刊論文 前10條

1 齊海燕;黃少敏;;自動化回歸測試在軟件產品項目中的應用[J];工業(yè)控制計算機;2018年03期

2 陳青;;軟件回歸測試過程自動化管理方法的研究與實現(xiàn)[J];飛行器測控學報;2010年04期

3 虞曉胤;楊小虎;;功能性回歸測試工具分析[J];計算機應用與軟件;2007年05期

4 葉素梅;;基于用例庫的自動化回歸測試的設計和實現(xiàn)[J];電腦知識與技術;2018年35期

5 詹清河;郭超年;王燕梅;;聯(lián)機交易回歸測試條件與交易鏈分析及實踐[J];中國金融電腦;2015年09期

6 張慧;;基于影響分析的回歸測試優(yōu)先級錯誤定位方法[J];計算機科學;2016年10期

7 但凝云;;基于神經網絡的自動化回歸測試工具的設計與實現(xiàn)[J];信息與電腦(理論版);2018年01期

8 曾強;洪玫;楊昊蘇;駱德全;;軟件回歸測試中的自動測試生成方法[J];計算機應用研究;2009年06期

9 王榮麗;侯秀萍;;回歸測試用例設計策略[J];長春工業(yè)大學學報;2017年02期

10 袁海根;李紅麗;;面向對象回歸測試的方法[J];軟件導刊;2009年09期

相關會議論文 前6條

1 高建華;陳茹;;基于多層次功能模型的代價分析回歸測試技術研究[A];第三屆中國測試學術會議論文集[C];2004年

2 蔣曹清;張大方;繆力;;一種回歸測試后的錯誤定位方法[A];第三屆中國測試學術會議論文集[C];2004年

3 袁永軍;馮亞軍;蔣新華;;自動化測試在混合動力控制器開發(fā)中的應用[A];2011中國汽車工程學會年會論文集[C];2011年

4 任波;麥豐;麥菁;;大型企業(yè)ERP系統(tǒng)EHP6升級方案研究[A];軟件定義 面向未來——2014電力行業(yè)信息化年會論文集[C];2014年

5 任波;麥豐;麥菁;;大型企業(yè)ERP系統(tǒng)EHP6升級方案研究[A];電力行業(yè)信息化優(yōu)秀論文集2014——2014年全國電力行業(yè)兩化融合推進會暨全國電力企業(yè)信息化大會獲獎論文[C];2014年

6 王之椺;高建華;;一種基于修改影響分析方法的錯誤定位技術[A];第五屆中國測試學術會議論文集[C];2008年

相關重要報紙文章 前5條

1 ;SQL Server 2005升級的十個步驟[N];計算機世界;2006年

2 本報通訊員 周孟肖 李方亮;緊急任務奮戰(zhàn)記[N];中國航空報;2019年

3 ;沖出軟件Bug的泥潭[N];網絡世界;2005年

4 ;SUNGARD Adaptiv 360助力中國銀行業(yè)[N];金融時報;2009年

5 《網絡世界》記者 于翔;IBM中國開發(fā)中心搭建開發(fā)測試云[N];網絡世界;2011年

相關博士學位論文 前4條

1 黃勝;面向軟件工程數(shù)據(jù)挖掘的開發(fā)測試技術[D];復旦大學;2013年

2 馬雪英;面向對象軟件回歸測試選擇—測試用例最小化技術研究[D];浙江大學;2008年

3 吳川;基于搜索的軟件自動修復關鍵技術[D];中國礦業(yè)大學;2017年

4 陳翔;組合測試技術及應用研究[D];南京大學;2011年

相關碩士學位論文 前10條

1 劉子覃;基于測試用例優(yōu)先級選擇器的回歸測試系統(tǒng)的設計與實現(xiàn)[D];南京大學;2019年

2 高露;基于搜索的回歸測試數(shù)據(jù)生成方法研究[D];西安郵電大學;2019年

3 段珊珊;基于多種群遺傳算法的多路徑回歸測試數(shù)據(jù)生成方法研究[D];華南理工大學;2017年

4 王波;基于測試用例優(yōu)先的自動化回歸測試研究[D];電子科技大學;2012年

5 袁昕曄;銀行字符終端的自動化回歸測試工具的設計與實現(xiàn)[D];復旦大學;2009年

6 王周愷;基于程序波及分析算法的自動化回歸測試研究[D];西安理工大學;2014年

7 唐凌遙;軟件回歸測試管理技術[D];國防科學技術大學;2005年

8 李國坤;回歸測試環(huán)境搭建的自動化工具的設計與實現(xiàn)[D];北京交通大學;2011年

9 殷定媛;回歸測試中路徑覆蓋生成技術研究與應用[D];上海師范大學;2007年

10 譚曉蘭;面向對象軟件回歸測試選擇策略研究[D];湖南大學;2010年

本文編號：2734485