針對(duì)在回歸測(cè)試中原有的測(cè)試數(shù)據(jù)集往往難以滿足新版本軟件的測(cè)試需求問(wèn)題,提出一種基于搜索的分層回歸測(cè)試數(shù)據(jù)集擴(kuò)增方法,主要包含覆蓋目標(biāo)方法集獲取模塊和測(cè)試數(shù)據(jù)生成模塊。首先對(duì)新版本程序進(jìn)行抽象分析,提取出方法調(diào)用圖,利用方法調(diào)用軌跡和已有測(cè)試數(shù)據(jù)建立方法覆蓋信息,獲取目標(biāo)方法集,并通過(guò)計(jì)算貝葉斯條件概率對(duì)目標(biāo)方法集進(jìn)行優(yōu)先選擇;利用Hadamard矩陣設(shè)計(jì)正交種群,同時(shí)結(jié)合已有測(cè)試數(shù)據(jù)集進(jìn)行種群初始化,采用文化基因算法對(duì)目標(biāo)集中方法生成測(cè)試數(shù)據(jù)。該方法針對(duì)四個(gè)基準(zhǔn)程序與隨機(jī)法和遺傳算法以及基于粒子群算法測(cè)試數(shù)據(jù)擴(kuò)增方法相比較,測(cè)試數(shù)據(jù)的生成效率平均提高了95. 2%、78. 2%和50. 5%,測(cè)試數(shù)據(jù)檢錯(cuò)能力平均提高了47. 9%、33. 6%和18. 2%,實(shí)驗(yàn)結(jié)果表明該方法更適合回歸測(cè)試數(shù)據(jù)擴(kuò)增。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1本文方法框架1獲取覆蓋目標(biāo)方法集

法體的回歸測(cè)試和程序缺陷修復(fù)后進(jìn)行的回歸測(cè)試，提出一種基于搜索的分層回歸測(cè)試數(shù)據(jù)擴(kuò)增方法。本文的分層是指依次從方法級(jí)別和語(yǔ)句級(jí)別提取覆蓋目標(biāo)，即先從方法級(jí)別提取目標(biāo)方法集，包括新增或者發(fā)生改變的方法，再針對(duì)目標(biāo)方法集進(jìn)行靜態(tài)分析提取覆蓋路徑，以期降低識(shí)別提取覆蓋目標(biāo)的效率。利用貝....

圖6針對(duì)Tcas生成測(cè)試數(shù)據(jù)覆蓋率對(duì)比圖表7變異算子描述變異算子描述變異算子描述

據(jù)時(shí)的耗時(shí)程序指標(biāo)運(yùn)行時(shí)間/sGAPSO隨機(jī)本文方法Triangle均值0．2280．1720．8920．072標(biāo)準(zhǔn)差0．2090．0560．2240．028Schedule均值9．1126．11716．3414．172標(biāo)準(zhǔn)差0．9480．4230．5130．394Tcas均值6....

本文編號(hào)：3943695