基于错误传播网络的回归测试用例排序方法

测试用例排序技术通过对测试用例进行排序以提高回归测试的效率.针对现有方法未能充分利用软件结构信息的不足,提出了基于错误传播网络的测试用例排序方法.该方法在类粒度将软件抽象成加权类依赖网络(weighted class dependency network,WCDN)模型,并基于WCDN分析错误在网络上的传播行为,构造错误传播网络(bug propagation network,BPN).测试用例排序时,首先在BPN中定位变更类和可能受变更类波及的类,从而计算类的测试重要性,最后以测试用例覆盖类的测试重要性总和作为最终的排序依据.实例研究表明,基于错误传播网络的测试用例排序方法在错误检出率上相比于其他经典方法有一定的提高,并且具有较好的稳定性.     

测试用例排序的研究

回归测试是一个成本很高的测试过程。为了减少回归测试的成本,可以使用测试用例排序技术。测试用例排序是指按照事先确定的目标重新安排测试用例集中测试用例的执行次序,使得具有高优先级的测试用例比低优先级的测试用例在测试过程中更早执行。本文描述了测试用例排序问题;给出了两个一般测试用例排序算法,即总计排序算法和 附加排序算法;根据不同的覆盖准则（如语句、分支和定义-使用等）,可以从这两个一般算法得到对应的排序算法;最后,讨论了测试用例排序算法的有效性。     

基于需求的测试用例优先级排序

为提高软件测试用例执行效率,研究了测试用例优先级排序技术,提出了基于需求的测试用例优先级排序及动态调整算法.基于需求的测试用例优先级排序将与软件需求相关的影响因素应用于测试用例的排序,并且在测试执行过程中可以通过调整算法对测试用例的优先级进行动态调整.实验结果表明,采用基于需求的测试用例优先级排序可以提高软件缺陷检测率...     

基于定值-引用链的测试用例优先级排序算法

测试用例优先级排序作为一种高效实用的回归测试技术,通常以测试用例的覆盖度作为优先级排序的量化指标,忽略了测试用例的其他测试性能。针对该问题,提出一种基于DU链的测试用例优先级排序算法。该算法 综合考虑 测试用例的DU链覆盖度和回归测试的错误检测能力,对测试用例优先级进行量化。与已有算法相比,该算法基于数据流覆盖,充分利用了测试执行的历史信息和程序模块的耦合信息,在排序过程中动态计算测试用例的优先级量化值。实验结果表明,采用优先级排序算法的测试用例集能在测试过程中以较短的时间发现更多的错误,有效地提高了回归测试的检错效率。     

基于Tent混沌的测试用例优先级排序

针对标准粒子群算法（Particle Swarm Optimization,PSO）后期出现的早熟收敛,提出了一种基于Tent混沌的粒子群优化算法（Tent-Chaos Particle Swarm Optimization,TCPSO）用于测试用例优先级排序。首先,利用改进的Tent映射的三大特性初始化种群,使得粒子均匀分布,提高初始解的质量;并通过非线性递减的惯性权重函数对学习因子进行改进,以更新粒子速度与位置信息;其次,对陷入局部最优的粒子p_id进行混沌搜索,跳出局部最优,同时对当前种群中部分最差粒子p_iw进行混沌搜索,改善种群多样性;最后,采用测试用例的分支覆盖率和缺陷检测率作为评价标准,评判测试用例优劣程度。实验表明,提出的改进方法在分支覆盖率和缺陷检测率指标上均有优势。     

基于存储结构的汉字分组排序及其复杂度分析

自从计算机被用来进行大规模的数据处理,数据序列的排序问题便一直成为研究的热点,汉语言本身所具有的特点,使得汉字符串的排序问题成为中文信息处理领域中备受关注的问题,提出了一种汉字符串的快速分组排序算法,算法复杂度仅为O(n)。     

基于历史数据和多目标优化的测试用例排序方法

针对如何提高测试用例序列的揭错效率和回归测试效益问题,提出一种基于历史数据和多目标优化的测试用例排序方法。首先,根据测试用例的文本主题相似性和代码覆盖相似性对测试用例集进行聚类,并根据历史执行信息对测试用例间的执行失败关系进行关联规则挖掘,从而为后续过程做准备;然后,利用多目标优化算法对每个类簇内的测试用例进行排序,在此之后生成最终排序序列,使相似的测试用例分隔开;最后,利用测试用例间的关联规则,动态调整测试用例执行次序,从而使可能失败的测试用例优先执行,以进一步提高缺陷检测效率。与随机排序方法、基于聚类的排序方法、基于主题模型的排序方法、基于关联规则和多目标优化的排序方法相比,所提方法的平均故障检测率（APFD）平均值分别提高了12.59%、5.98%、3.01%和2.95%,基于成本的平均故障检测率（APFDc）平均值分别提高了17.17%、5.04%、5.08%和8.21%。实验结果表明,所提方法能有效提高回归测试效益。     

基于函数调用路径的测试用例优先级排序

基于覆盖的优先级排序技术通常以代码覆盖信息作为测试用例的特征加以度量,忽略了其他优先级的影响因素,缺乏全面性和动态性。针对该问题,提出基于函数调用路径的测试用例优先级排序方法。以函数调用路径为基础,通过对源代码新旧版本的对比,分析回归测试影响域,确定回归测试用例集的范围。将测试用例函数调用路径覆盖能力、单元测试时函数中检测出缺陷的个数,以及函数的扇入系数等影响因素应用于优先级排序,确定测试用例优先级量化方法,并在测试执行过程中,通过调整算法实现优先级的动态调整,优化优先级排序。实验结果表明,优先级量化方法能提高测试的缺陷检测率,发现程序中的缺陷,降低测试成本。     

基于蚁群算法的测试用例优先排序

测试用例优先排序技术通过优化测试用例的执行次序来提高软件测试的效率,是增强型软件测试和回归测试的重要研究课题。针对基于需求的测试用例优先排序问题,提出了一种基于蚁群算法的求解方法,采用不同的测试用例间距离及用例序列评价策略,给出了该方法的2种不同实现方式。首先,针对黑盒测试特点,设计了基于需求的一般性测试用例序列评价指标;其次,提出测试用例吸引度概念,基于测试用例吸引度定义了测试用例间的距离;然后,给出了信息素更新策略、最优解集更新策略、局部最优解突变策略等主要设计策略,分别实现了该方法基于距离和基于指标的2种实现方式。实验结果表明,该方法具有很好的全局寻优能力,整体效果上优于粒子群算法、遗传算法和随机测试。     

基于学习排序的多分类标签排序方法研究

学习排序是利用机器学习技术来对搜索结果进行排序的技术。它在包括信息检索与数据挖掘等技术在内的众多应用领域中具有重大作用,因此近年来备受关注。学习排序通常假设每个培训实例都与一个可靠的标签相关联产生列表,但并不假定此列表是完整的或一致的。通过结合广义线性模型和Plackett-Luce(P-L)模型,提出一种基于实例的解决多分类标签的排序方法。目标是训练学习一种排序功能,排序功能通过训练提出一种最大似然估计方法。该方法估计标签排序,并迭代地训练排序功能,该功能可以在整套标签上产生全部排序。先利用广义线性模型对标签进行分类,再用P-L模型对各类别的标签进行排序,最后利用最大似然估计的方法对框架模型进行优化处理。该方法在不完整的训练数据的情况下,较其他模型方法在准确性上提升5%。     

基于Agent的测试用例选择工具研究

测试用例的数量和质量决定软件测试的成本和有效性。该文设计了一种基于Agent的测试用例选择工具,它能优化测试用例自动生成器所产生的大量测试用例。该工具利用RE规则和CTS规则对测试用例进行智能选择。其优点是它能进行没有冗余的、一致性的测试用例的选择,在不改变故障检测能力的同时缩短测试时间。     

基于焦点队列的GUI自动测试方法研究

为了提高载人航天器GUI的可靠性和安全性,提出一种基于焦点队列的GUI自动测试方法。该方法首先确定GUI系统的所有界面状态并得出相应的窗口家族树,据此得到当前界面的可聚焦的控件队列和界面状态转换图,然后进行无限次的随机模拟触摸和键盘事件,通过查询焦点队列和界面状态,找到GUI系统中的可靠性和安全性漏洞并进行修复。实验证明:该方法可以有效地检测GUI设计中的可靠性和安全性漏洞。     

基于本体的工程数据关键字检索和排序方法

工程数据大量存在于现代生产制造企业。传统工程数据上沿用的关键字查询方法具有难以处理各种异构文档、无法识别关键字在工程领域的语义等缺陷。针对此,提出一种新的工程数据关键字检索方法。该方法先通过建立代表工程数据的本体,对各种异构的工程文档用适合的工具提取文本信息,建立XML快照。XML快照为索引关键字标注了相对应的本体概念。检索框架首先将用户的查询关键字匹配到本体的概念上,在匹配的过程中,提出一种算法消减关键字的语义混淆。在此基础上,提出一种排序模型,该模型对符合查询的XML快照进行打分排序,打分着重考虑了快照在语义上满足关键字查询的程度。检索框架最后排序并返回快照对应的原始文档给用户,使异构的工程数据文档能被统一处理和查询。该方法在工程数据上的检索结果查全率、查准率高,检索结果排序合理,能适用于实际企业中的大量工程数据文档,解决了传统工程数据检索的不足。实验使用了实际数据集,验证说明了该方法的实际有效性和性能上的高效性。     

基于API和Permission的Android恶意软件静态检测方法研究

当前大量的Android恶意软件在后台收集用户的位置信息、通话记录、电话号码及短信等信息并将其上传至指定服务器,造成了难以估量的危害。为解决此问题,提出一种Android恶意软件静态检测方法。对收集到的训练集中的所有APK文件进行静态反编译,提取其中的静态信息;对静态信息中的API和Permission进行统计学分析,得到API和Permission在恶意APK和正常APK中的使用率;根据它们的使用率确定基准API和Permission集合,将每一个APK转换成可参与计算的关于API和Permission的特征向量;利用改进的k-NN分类器,对待检测的APK进行分类判定。实验结果表明,该方法可以有效地对APK进行恶意分类。     

一种基于Z规格说明的测试用例复用机制

测试用例的复用对于提高测试工作的效率极为重要。提出一种测试用例复用机制,减少测试用例对环境的依赖,提高复用的程度。用Z规格说明对用户需求进行描述,实例化后生成测试用例,然后对测试用例进行可复用描述,得到形式统一的可复用测试用例。建立测试用例库系统存储和管理用例,实现多种方式的复用。     

基于层次分析法的测试用例可复用性度量研究

对测试用例的可复用性度量进行研究,构建测试用例可复用性评估模型,通过分析转化得到易于度量的层次分析模型。通过层次分析模型构建权重比较矩阵,再进行相关属性的度量,并可进一步开展自动的测试用例可复用性度量。     

基于场景的车载设备测试用例自动生成方法研究

列控车载子系统是确保列车的安全运行的关键设备,对车载子系统进行测试是保证功能实现与系统规范一致性的重要手段。针对传统手工测试用例生成的效率低、耗时长、工作量繁杂、可重用性低等缺陷,提出一种基于场景的车载系统测试用例自动生成方法,依据CTCS-3级列控系统技术规范构造车载子系统场景树模型,由实时系统测试用例自动生成工具Co Ver对列车运行模式转换自动机网模型生成基于场景的测试用例,并由运行模式最小重复度选择算法生成全模式覆盖的测试序列。结论证明,基于场景自动生成的测试用例能够覆盖全部车载模式,并提高了模式转换测试序列生成效率。     

基于结构化功能规格说明的测试方法和工具

由于程序的形式化验证技术还局限于比较小的程序，软件测试仍然是目前和今后相当长一段时间内保证大型软件质量和可靠性的主要手段．测试大型软件是一项既繁重又复杂的工作，计算机辅助软件测试将会大大降低测试工作量，提高测试效率．本文首先提出一种新的、简单有效的基于结构化功能规格说明的测试方法，然后阐述如何基于该方法设计井实现一个测试工具环境，以提高测试者的工作效率，减轻测试者的负担．     

基于死锁的并发类单元测试用例自动生成

自动生成多线程程序的单元测试用例是一种能节约测试成本的技术。为提高并发类单元测试用例生成效率,先依据死锁故障的特征分析出并发类中潜在的死锁代码,然后再针对这些代码自动生成测试用例。实验在7个常用Java类库中的并发类上进行验证。实验结果显示提出的方法(CTCG)不仅找到了现有死锁故障,而且当检测到死锁故障时,其所生成的测试用例数更少,其所花费的时间更少,提高了并发类单元测试用例自动生成的效率。