發(fā)布時(shí)間：2021-02-10 18:54

　　軟件測(cè)試用例生成技術(shù)和優(yōu)先級(jí)排序技術(shù)是軟件測(cè)試自動(dòng)化的兩個(gè)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(cè)試用例自動(dòng)生成與優(yōu)先級(jí)排序問(wèn)題。本文系統(tǒng)學(xué)習(xí)并總結(jié)了目前國(guó)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(cè)試用例生成技術(shù)和優(yōu)先級(jí)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(wèn)題。為此,本文主要對(duì)元啟發(fā)式搜索算法用于解決測(cè)試用例生成和優(yōu)先級(jí)排序的問(wèn)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(dòng)態(tài)引導(dǎo)測(cè)試用例生成策略,以及一種基于蟻群優(yōu)化算法的動(dòng)態(tài)約簡(jiǎn)的多目標(biāo)優(yōu)先級(jí)排序方法。本文主要研究?jī)?nèi)容以及具體貢獻(xiàn)主要為以下三個(gè)方面:（1）在基于路徑覆蓋的測(cè)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。考慮到初始測(cè)試數(shù)據(jù)對(duì)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(jì)了一種路徑相似度的計(jì)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(duì)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(píng)價(jià)函數(shù),并以此設(shè)計(jì)自適應(yīng)... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

示例程序的插裝及其簡(jiǎn)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(jì)算方法。首先靜態(tài)分析被測(cè)程序，給出相應(yīng)的控制流圖來(lái)描述程序控制流。選取如下圖 3.1 所示的一段 c 語(yǔ)言排序程序作為示例程序，將一個(gè)或多個(gè)分支語(yǔ)句作為節(jié)點(diǎn)進(jìn)行編號(hào)，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(duì)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(jì)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(gè)分支的選擇結(jié)構(gòu)，對(duì)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(gè)選擇的并列結(jié)構(gòu)。以圖 3.1 示例程序?yàn)槔�，由于上述程序不包含循環(huán)結(jié)構(gòu)，只需處理 3 個(gè)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(jì)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(lèi)算法[J]. 顧哲彬,曹飛龍.  計(jì)算機(jī)科學(xué). 2018(S2)
[2]模擬退火算法的動(dòng)力系統(tǒng)模型及收斂性分析[J]. 李元香,項(xiàng)正龍,夏界寧.  計(jì)算機(jī)學(xué)報(bào). 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(jì)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(chē)間調(diào)度問(wèn)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(yú)群尋優(yōu)和反饋線(xiàn)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(bào). 2018(07)
[6]帶多軟時(shí)間窗VRP及其禁忌搜索算法[J]. 謝九勇,符卓,邱萌,夏揚(yáng)坤.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[7]基于風(fēng)險(xiǎn)分析的回歸測(cè)試用例優(yōu)先級(jí)排序[J]. 于海,楊月,王瑩,張偉,朱志良.  計(jì)算機(jī)學(xué)報(bào). 2019(10)
[8]基于多種群進(jìn)化算法的測(cè)試用例優(yōu)先級(jí)排序研究[J]. 張娜,胡國(guó)亨,金瑜婷,史佳炳,包曉安.  浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[9]基于OTT策略的組合測(cè)試用例優(yōu)先級(jí)排序方法[J]. 張娜,林青霞,包曉安,吳彪,張唯.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[10]基于改進(jìn)遺傳算法的測(cè)試數(shù)據(jù)自動(dòng)生成的研究[J]. 高雪笛,周麗娟,張樹(shù)東,柳昊明.  計(jì)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(cè)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(wèn)題的差分進(jìn)化算法研究[D]. 曾家宋.廈門(mén)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(yáng).南京航空航天大學(xué) 2017
[4]基于上位效應(yīng)的多目標(biāo)測(cè)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(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)：3027832