一种基于改进遗传算法的测试用例自动生成研究.pdf

一种基于改进遗传算法的测试用例自动生成研究.pdf

ID:52341967

大小:365.79 KB

页数:6页

时间:2020-03-26

一种基于改进遗传算法的测试用例自动生成研究.pdf_第1页
一种基于改进遗传算法的测试用例自动生成研究.pdf_第2页
一种基于改进遗传算法的测试用例自动生成研究.pdf_第3页
一种基于改进遗传算法的测试用例自动生成研究.pdf_第4页
一种基于改进遗传算法的测试用例自动生成研究.pdf_第5页
资源描述:

《一种基于改进遗传算法的测试用例自动生成研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、北京石油化工学院学报第19卷第4期VoI.19NO.4JournalofBeijingInstituteof2011年12月Dec.2011Petro—chemicalTechnology一种基于改进遗传算法的测试用例自动生成研究费雯悦(JL京化工大学,北京100029)摘要测试用例的生成是软件测试领域的关键技术问题。近年来,受生物进化思想启发得出的一种全局优化算法的遗传算法用于测试用例的自动生成方向的研究,对于软件测试的自动化有着重要的影响。为了生成高效的测试用例,笔者提出了一种改进的遗传算法,该算法采用实数编码方式,采用逻辑覆盖原则,将遗传算法的适应度函数进行改进并加入

2、遗传导向控制,这样有利于种群的多样性遗传,避免种群早熟收敛现象,并结合Delaunay三角网生成程序进行说明,验证了该算法的有效性。关键词遗传算法;测试用例生成;软件测试;逻辑覆盖中图法分类号TP311对于软件结构测试数据生成,一般采用逻法较随机测试方式普遍有更好的性能l_4]。辑覆盖中的路径覆盖方式_】]。而对于生成所实际应用中由于遗传算法自身缺陷,未成谓的高效测试用例,即能够覆盖尽可能多的路熟收敛是遗传算法中不可忽视的现象,主要表径,从而尽可能多地发现程序中的错误,是测试现在群体中所有的个体都陷于同一极值而停止用例自动生成研究的重要课题之一。进化和接近最优解的个体总是被

3、淘汰,进化过自20世纪6O年代以来,国内外学者对软程不收敛_5]。另外参数的编码方案、算子的选件测试用例的自动生成进行了多方面的研究,择与控制、适值的调整策略以及初始测试用例一般的方法有D.Brid等采用的随机法自动生群大小与覆盖面的控制等,如不能平衡解决以成用例,很多测试工具也是采用这种随机策略。上各问题,遗传算法也很难达到理想的效果[6]。该方法可以快速的生成大量的测试用例,但是为了避免早熟收敛,生成高效、理想的测试产生的测试用例集是一个庞大的集合,时间的用例,笔者提出一种改进的遗传算法,该算法开销过大。Ramanmoorthy等提出符号执行中,由运行插装后的待测程序得

4、到程序中的分法,但当软件规模增大的时候,符号表示非常繁支覆盖情况,动态的得到程序路径集,对遗传适琐,增加了软件的复杂度。Korel提出了“分支应度评价函数进行改进,并加入遗传导向控制,函数”法测试等。2O世纪9O年代以后,学者将对选择遗传操作具有指导性作用,使其向多路遗传算法、免疫算法等人工智能算法引入到了径覆盖方向遗传。结合Delaunay三角网生成测试用例生成中。这一具体程序对该算法进行了验证,证明了该遗传算法(GA)是由进化论和遗传学机理算法的有效性。而产生的直接搜索优化方法,在解决大空间、多1遗传算法在软件测试用例生成峰值、非线性、全局优化等高复杂度问题时,显示了独

5、特的优势和高效性l3]。软件测试的研究中的技术方法中引入了遗传算法,为解决测试用例自动生成生物的进化是一个奇妙的优化过程,它通这一问题开拓了思路。将遗传算法应用于测试过选择淘汰、变异、基因遗传等规律产生适应环技术,大多是对特定测试目标进行优化,这些方境变化的优良物种。遗传算法是受生物进化思想启发得出的一种全局优化算法。收稿El期:2011-06—30遗传算法简称GA(GeneticAlgorithm),44北京石油化工学院学报2010年第19卷其主要特点是直接对结构对象进行操作,不存序,所以在编码方式上不能采用一般常用的二在求导和函数连续性的限定,具有内在的隐并进制编码的方

6、法,而应该采用实数编码方式。行性和更好的全局寻优能力。采用概率化的寻这样便于较大空间的遗传搜索,改善遗传算法优方法,能自动获取和指导优化的搜索空间,自的计算复杂性,提高运算效率。实数编码方法适应地调整搜索方向,不需要确定的规则]。使用的是目标变量的真实值,所以又称为真值在本质上是一种不依赖具体问题的直接搜索方编码方法_1。例如,被测程序每个个体是15法。对问题的种类有很强的鲁棒性,所以广泛个点,用实数编码表现为:应用于很多学科,例如:函数优化、生产调度、自[-20.3动控制、图像处理和模式识别、人工生命、机器l35O.1(行数为15)学习等领域[8]。遗传算法的操作对象为染

7、色体,由一串数143.2字组成,数字串中的每个数字叫做基因,而一系2.2适应度函数列染色体的组合构成一个种群。每个染色体都适应度函数是说明种群优劣的重要评价函有一个适应度,用来决定下一代生存的可能性。数,是与实际问题的接口。对于分支覆盖或者下一代产生后,一部分染色体交叉,而少部分基路径覆盖,种群中个体的适应度值F可以看成因发生变异l_9]。是测试用例实际覆盖的分支(或者路径)f与待将遗传算法引入到软件测试用例生成领域,测程序中总共的分支(或者路径)z的比值,即可以将被测程序的参数进行编码,作为染色体。fF一上,表示

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。