軟件測試用例生成技術(shù)和優(yōu)先級排序技術(shù)是軟件測試自動化的兩個關(guān)鍵技術(shù),元啟發(fā)式搜索算法被廣泛應(yīng)用于解決測試用例自動生成與優(yōu)先級排序問題。本文系統(tǒng)學(xué)習(xí)并總結(jié)了目前國內(nèi)外已有的在相關(guān)技術(shù)方面的研究成果,發(fā)現(xiàn)元啟發(fā)式搜索算法在測試用例生成技術(shù)和優(yōu)先級排序技術(shù)中的應(yīng)用尚未成熟,普遍存在算法收斂速度慢、考慮影響因素單一、難以收斂至全局最優(yōu)等問題。為此,本文主要對元啟發(fā)式搜索算法用于解決測試用例生成和優(yōu)先級排序的問題進(jìn)行了研究,分別提出了一種基于遺傳優(yōu)化算法的動態(tài)引導(dǎo)測試用例生成策略,以及一種基于蟻群優(yōu)化算法的動態(tài)約簡的多目標(biāo)優(yōu)先級排序方法。本文主要研究內(nèi)容以及具體貢獻(xiàn)主要為以下三個方面:（1）在基于路徑覆蓋的測試用例生成技術(shù)方面,本文使用被應(yīng)用較廣泛的遺傳算法進(jìn)行求解�？紤]到初始測試數(shù)據(jù)對路徑節(jié)點(diǎn)的覆蓋情況,先是區(qū)分出難易覆蓋路徑,然后設(shè)計了一種路徑相似度的計算公式,分析出難易覆蓋路徑間的啟發(fā)信息并用于替代遺傳算法的部分初始種群。（2）在遺傳算法的改進(jìn)方面,增加考慮了分支權(quán)重對種群適應(yīng)度的影響,分別根據(jù)不同程序的特征為各影響因子賦予權(quán)重,構(gòu)造了一種帶有權(quán)重影響因子的適應(yīng)度評價函數(shù),并以此設(shè)計自適應(yīng)... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

示例程序的插裝及其簡化

3.1 路徑相關(guān)性研究本小節(jié)旨在研究路徑間的相關(guān)性，介紹理論路徑相關(guān)的計算方法。首先靜態(tài)分析被測程序，給出相應(yīng)的控制流圖來描述程序控制流。選取如下圖 3.1 所示的一段 c 語言排序程序作為示例程序，將一個或多個分支語句作為節(jié)點(diǎn)進(jìn)行編號，則可將其轉(zhuǎn)換成如圖 3.2 所示的控制流圖。12345678圖 3.1 示例程序 圖 3.2 與程序?qū)?yīng)的控制流圖控制流圖 3.2 中的圓圈表示示例程序中對應(yīng)的節(jié)點(diǎn)，有向箭頭表示控制流，又叫邊或者是連接。由于含有循環(huán)嵌套結(jié)構(gòu)的控制流圖不能明確顯示循環(huán)次數(shù)，不方便計算全部理論路徑數(shù)目，為了改善這一缺陷，本文將控制流圖中的判定節(jié)點(diǎn)處理成兩個分支的選擇結(jié)構(gòu)，對其中多層循環(huán)嵌套結(jié)構(gòu)使用 Z 路徑覆蓋思想[17]轉(zhuǎn)化成多個選擇的并列結(jié)構(gòu)。以圖 3.1 示例程序?yàn)槔捎谏鲜龀绦虿话h(huán)結(jié)構(gòu)，只需處理 3 個判斷分支即可，可將圖 3.2 的控制流圖處理為如下圖 3.3 所示的理論路徑圖，則下圖中的理論路徑數(shù)可以計算為 23=8 條。

【參考文獻(xiàn)】：
期刊論文
[1]多層前向人工神經(jīng)網(wǎng)絡(luò)圖像分類算法[J]. 顧哲彬,曹飛龍.  計算機(jī)科學(xué). 2018(S2)
[2]模擬退火算法的動力系統(tǒng)模型及收斂性分析[J]. 李元香,項(xiàng)正龍,夏界寧.  計算機(jī)學(xué)報. 2019(06)
[3]基于多目標(biāo)骨架粒子群優(yōu)化的特征選擇算法[J]. 張翠軍,陳貝貝,周沖,尹心歌.  計算機(jī)應(yīng)用. 2018(11)
[4]改進(jìn)人工蜂群算法求解分布式柔性作業(yè)車間調(diào)度問題[J]. 吳銳,郭順生,李益兵,王磊,許文祥.  控制與決策. 2019(12)
[5]基于神經(jīng)網(wǎng)絡(luò)的魚群尋優(yōu)和反饋線性化煙氣脫硝控制[J]. 牛玉廣,潘巖,黃文淵.  系統(tǒng)仿真學(xué)報. 2018(07)
[6]帶多軟時間窗VRP及其禁忌搜索算法[J]. 謝九勇,符卓,邱萌,夏揚(yáng)坤.  計算機(jī)工程與應(yīng)用. 2019(06)
[7]基于風(fēng)險分析的回歸測試用例優(yōu)先級排序[J]. 于海,楊月,王瑩,張偉,朱志良.  計算機(jī)學(xué)報. 2019(10)
[8]基于多種群進(jìn)化算法的測試用例優(yōu)先級排序研究[J]. 張娜,胡國亨,金瑜婷,史佳炳,包曉安.  浙江理工大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[9]基于OTT策略的組合測試用例優(yōu)先級排序方法[J]. 張娜,林青霞,包曉安,吳彪,張唯.  計算機(jī)工程與應(yīng)用. 2018(13)
[10]基于改進(jìn)遺傳算法的測試數(shù)據(jù)自動生成的研究[J]. 高雪笛,周麗娟,張樹東,柳昊明.  計算機(jī)科學(xué). 2017(03)

碩士論文
[1]基于自適應(yīng)遺傳算法的測試用例生成技術(shù)研究[D]. 熊子健.浙江理工大學(xué) 2018
[2]多目標(biāo)優(yōu)化問題的差分進(jìn)化算法研究[D]. 曾家宋.廈門大學(xué) 2017
[3]基于極值點(diǎn)搜索的進(jìn)化超多目標(biāo)優(yōu)化算法的研究[D]. 朱春陽.南京航空航天大學(xué) 2017
[4]基于上位效應(yīng)的多目標(biāo)測試用例優(yōu)先排序蟻群算法優(yōu)化研究[D]. 邢行.北京化工大學(xué) 2016
[5]軟件失效模式評測工具的設(shè)計與實(shí)現(xiàn)[D]. 劉卓鉞.哈爾濱工業(yè)大學(xué) 2012



本文編號：3027832