針對(duì)很多方法中手動(dòng)測(cè)試Oracle及運(yùn)行測(cè)試用例成本較高的問(wèn)題,提出一種基于搜索的測(cè)試和預(yù)測(cè)模型,以提升Simulink模型的故障探測(cè)性能。確定了三個(gè)旨在增加測(cè)試套件多樣性的測(cè)試目標(biāo),并在基于搜索的算法中使用這些目標(biāo),以生成較小的多樣化測(cè)試套件。為進(jìn)一步實(shí)現(xiàn)測(cè)試套件的最小化,開(kāi)發(fā)了一個(gè)預(yù)測(cè)模型,當(dāng)添加測(cè)試用例無(wú)法提升故障探測(cè)性能時(shí),該模型將停止測(cè)試用例的生成。評(píng)價(jià)結(jié)果表明,選擇的三個(gè)測(cè)試目標(biāo)能夠顯著提升較小測(cè)試套件的故障探測(cè)精度;且預(yù)測(cè)模型在維持幾乎相同故障探測(cè)精度的同時(shí),能夠?qū)⑿律傻臏y(cè)試用例平均數(shù)量減少一半以上。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(09)北大核心CSCD

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

決策樹(shù)示例

各方法評(píng)價(jià)比較

為了生成算法2子程序中使用的預(yù)測(cè)模型，本文將五輪的測(cè)試生成應(yīng)用到60個(gè)故障版本中，將所有統(tǒng)計(jì)排名結(jié)果和相應(yīng)的精度結(jié)果隨機(jī)分入三個(gè)集合，使用其中一個(gè)集合構(gòu)建決策樹(shù)預(yù)測(cè)模型。另外兩個(gè)集合用于評(píng)價(jià)決策樹(shù)預(yù)測(cè)模型。根據(jù)標(biāo)準(zhǔn)交叉驗(yàn)證程序?qū)⒃撨^(guò)程重復(fù)三次，以使得每個(gè)集合至少有一次被用做訓(xùn)練集。圖3(a)給出了通過(guò)所提三個(gè)測(cè)試生成算法以及算法2程序得出的故障探測(cè)精度，還包括不使用算法2程序的精度結(jié)果。此外，圖3(b)給出了當(dāng)應(yīng)用算法2程序時(shí)，TGA-DBB、TGA-DE和TGA-DI所生成的新測(cè)試用例數(shù)量。圖3表明本文方法能夠識(shí)別加入新的測(cè)試用例無(wú)法改善故障探測(cè)結(jié)果的情形。當(dāng)操作人員使用算法2程序時(shí)，其平均需要檢查的塊數(shù)更少，測(cè)試用例數(shù)量以及測(cè)試Oracle成本則降低超過(guò)一半。4 結(jié)束語(yǔ)


本文編號(hào)：3094650