基于关键点路径的快速测试用例自动生成方法

测试数据的自动生成,是提高软件测试效率的重要手段.从软件测试工程实践的角度提出快速生成测试数据的完整模型,更有利于提高测试数据生成效率.为此:(1)提出关键点路径表示法,以得出待测程序的理论路径数,并快速确定已覆盖路径的邻近路径;(2)用随机生成的数据运行简化后的插装程序,得到部分测试数据;(3)将理论路径分成易覆盖路径、难覆盖路径和不可行路径;(4)根据已覆盖路径及其测试数据提供的信息,使用遗传算法生成难覆盖路径的测试数据.仿真实验结果表明了所提方法的有效性.     

软件测试数据自动生成方法分类的研究

软件测试是保证软件质量的重要手段,测试数据自动生成是软件测试领域研究的热点之一。近些年,测试数据的自动化生成得到了广泛的关注。本文首先总结了应用较为频繁的基于路径覆盖、优化算法的测试数据生成的研究成果,之后归纳了基于聚类算法以及基于UML模型的测试数据自动生成技术的研究现状,并分析了每类方法的特点及面临的主要问题,最后对测试数据自动生成的未来发展进行了展望。     

基于启发式算法的测试数据自动生成方法

数据自动生成是实现软件测试数据自动化和提高软件测试效率的关键问题。阐述了基于遗传算法、蚁群算法等启发式算法的测试数据自动生成系统模型与步骤,并对两系统的性能加以分析和比较,并讨论了一些改进方法。     

基于改进遗传算法的软件测试数据自动生成系统设计与实现

软件测试数据自动化生成技术是软件测试自动化的重要组成部分,为了进一步提高软件测试数据自动生成质量和效率,在建立软件测试数据自动生成模型的基础上融入一种改进的遗传算法,该算法通过引进自适应交叉算子和变异算子把模拟退火算法融入其中,很大程度上扩大了测试数据搜索生成范围,一定程度上克服了遗传算法的早熟收敛现象。     

软件测试数据自动生成算法的仿真研究

研究软件质量优化问题,传统遗传算法存在局部最优、收敛速度慢,使软件测试数据自动生成效率低.为提高软件测试数据生成效率,对传统遗传算法进行改进,提出一种遗传-蚁群算法的软件测试数据生成算法.针对测试数据自动生成的特点,充分发挥遗传算法的全局搜索和蚁群算法的局部搜索优势,提高了测试数据的生成能力.实验结果表明,遗传-蚁群算法提高了软件测试数据生成效率,是一种较为理想的软件测试数据生成算法.     

基于量子遗传算法的软件测试数据自动生成

测试数据的自动生成是测试阶段最关键的技术问题,改进软件测试方法,对提高软件测试的自动化程度具有十分重要的现实意义;在测试数据的自动生成的方法中,遗传算法虽然取得了较好的效果,但是这种算法存在缺陷和局限性,而量子遗传算法改善了其不足之处;应用量子遗传算法解决软件测试数据生成问题,克服了传统的以测试数据为核心的测试方法的不足和缺陷,实验结果表明量子遗传算法的测试用例生成效率高于遗传算法;所以,量子遗传算法可以作为一种较为理想的算法进行测试数据的自动生成,对软件测试中的测试数据自动生成具有很强的使用价值。     

基于遗传-蚁群混合算法的软件测试数据自动生成方法

自动化测试可以有效地提高软件测试效率,降低软件开发成本。测试数据自动生成是自动化测试过程中一个非常重要的环节。以路径覆盖为准则,本文提出一种利用遗传-蚁群混合算法来对程序输入域进行搜索的方法,进而生成满足需要的测试数据。经过实验验证,该算法可以有效地生成满足覆盖准则并且分布多样的测试数据。     

面向路径的测试数据生成框架及应用

测试数据生成是软件测试的核心与关键,本文介绍了迭代松弛法以及对迭代松弛法进行改进,改进后的方法比原方法生成测试数据的能力更强,不仅能够用于白盒测试数据的自动生成,还能够用于黑盒测试数据的自动生成。在此基础上提出一个面向路径的测试数据生成框架。并讨论该框架在单元测试、组装测试中的应用。     

一种结构测试数据自动生成的框架

针对结构测试中控制流和数据流覆盖测试数据的生成都可以归结为面向路径的测试数据生成的问题，提出了一个通用的基于控制流和数据流的结构测试数据自动生成的框架。该框架根据控制流和数据流测试中所采用的覆盖标准优化选取测试路径，并以改进后的迭代松弛法为核心，对所选取的路径生成测试数据。以基于路径覆盖、分支覆盖和数据流覆盖测试数据自动生成这3种算法为核心，开发了一个测试数据自动生成的框架原型。实验结果表明该框架是可行的。     

基于改进遗传算法的测试数据自动生成的研究

测试数据自动生成是软件测试的基础,也是测试自动化技术实现的关键环节。为了提高测试自动化的效率,在 结合 测试数据自动生成模型的基础上,提出一种 传统遗传算法的改进算法。该算法使用了自适应交叉算子和变异算子,并引入模拟退火机制对其进行改进。同时,该算法还对适应度函数进行了合理的设计,以加速数据的优化过程。通过三角形程序、折半查找和冒泡排序程序,与基本遗传算法、自适应遗传算法进行了比较与分析,并且对改进算法做了性能分析。实验结果表明了该算法的实用性以及在测试数据生成中的可行性和高效性。     

基于克隆选择算法的面向程序路径测试数据生成方法

面向程序路径的测试数据自动生成技术是软件测试自动化的关键技术之一.文中结合程序分支函数叠加法和克隆选择算法的全局搜索性,提出一种基于克隆选择算法的面向程序路径测试数据生成方法.希望能够借助克隆选择算法具有多样性、记忆性、可实现快速全局优化搜索的优点,设计一种新的面向程序路径的测试数据自动生成方法.对算法的原理和实现做了详细描述,并将其与传统的基于遗传算法、模拟退火算法来实现软件测试数据自动生成方法进行实验对比,证实了该方法能较快地生成指定路径的测试数据.     

基于软件层次化模型的软件测试数据生成

针对基于Markov链模型的软件测试技术在测试数据生成时不考虑软件的结构信息,生成的测试数据集对代码路径的覆盖能力以及缺陷检测能力都较低的问题,将统计测试与基于Markov链模型的测试相结合,提出了一种新的软件测试模型——软件层次化模型。该模型涵盖了软件与外部环境之间的交互,同时描述了软件内部结构信息。还给出了该模型测试数据集的生成算法：首先生成符合使用情况的测试序列,然后为测试序列生成覆盖软件内部结构的输入数据。通过针对示例软件的实验结果表明,与基于Markov链模型的测试方法对比,基于软件层次化模型的测试在满足软件测试充分性要求的同时,提高了测试数据集的代码路径覆盖能力和缺陷检测能力。     

基于改进PSO算法的路径软件测试用例生成方法

针对路径测试中的软件测试用例生成的问题,提出了一种基于改进PSO算法的软件测试用例生成方法。首先,采用分值函数叠加方法来构造PSO算法中的适应度函数,并对粒子位置更新策略进行改进。接着,构建算法的控制流程图并进行目标路径选择。然后,利用程序插装收集个体的适应度值。最后,测试数据生成程序执行,得到合适的测试数据。通过在三角形分类判别案例程序上的实验结果表明,提出的软件测试用例生成方法能够生成更合适的测试用例,且有效减少了生成所需时间。     

基于粒子群算法的改进SCOTEM模型测试数据生成方法

UML已经成为建模语言的事实标准,如何从UML模型生成测试用例为面向对象软件测试带来了新的挑战.为测试用例提供测试数据是其中的关键环节.ShaukatAli等人在UML基础上提出SCOTEM模型,但是该模型的测试数据需要人工生成.针对SCOTEM模型进行了改进使其适于灰盒测试,以OCL约束测试数据的生成和运行结果的验证,并提出了一种为基于粒子群算法的改进SCOTEM模型自动生成测试数据的方法.针对不同的覆盖标准,试验结果表明,该方法能够以更高的效率生成高质量的测试数据.     

基于状态空间剪枝的软件测试数据扩增算法

由于软件测试数据待测行为段序列连接存在冗余,导致目标路径覆盖率降低,提出基于状态空间剪枝的软件测试数据扩增算法.通过并发无关行为段在软件测试内的位置实施分类,依据分类结果采用状态空间剪枝算法,缩减状态空间的规模后,采用测序序列生成算法采用状态节点投影,对所有待测行为段实施操作和判断,按照状态空间实施全序列连接操作,生成全覆盖、无冗余的测试序列;采用自适应粒子群优化算法,设置初始参数、初始种群,判断终止条件,在扩增的测试数据覆盖目标路径时,输入覆盖的测试序列数据完成软件测试数据扩增.实验结果表明,上述算法在软件测试数据扩增效率高,耗时低,平均运行时间低至0.51s,目标路径覆盖率高达到1.0,并且后期的目标路径覆盖率平稳.     

两两组合覆盖测试数据自动生成集成工具的设计与实现

两两组合覆盖测试方法是一种科学有效的软件测试方法,相应的测试数据生成算法是人们研究的一个重点问题,本文在人们已有的研究基础上,结合我们在这个方面的研究成果,设计实现了一个两两组合覆盖测试数据自动生成工具,所产生的测试数据集与同类工具相比具有一定的特点和优势。     

两两组合测试数据自动生成算法的改进

为实现测试用例的全覆盖,给出一种改进的两两组合测试数据自动生成算法。利用矩阵方法自动生成初始测试数据集,在此基础上通过组合匹配思想对初始测试数据集进行测试数据增补。实验结果表明,该算法简单高效,且具有产生测试数据少、时间消耗小的特点。     

面向云测试的并行测试用例自动生成方法

为实现云计算环境下的高效软件测试,提出一种Web 应用系统功能测试的并行测试用例自动生成方法。该方法首先根据场景流图采用深度优先遍历算法生成并行测试路径,录制组合产生并行测试脚本,并进行参数化处理;然后,使用基于搜索的软件测试(SBST)方法自动生成可经过目标路径的有效测试数据集,脚本与数据耦合形成大量可并行部署的自动化测试用例。为验证方法的有效性设计了自动化云测试原型系统。实验结果表明,该并行测试用例自动生成方法可以高效地为云平台提供测试用例输入,提高测试效率。     

面向路径的测试数据自动生成工具的设计与实现

面向路径的测试数据生成问题是软件测试中的一个基本问题。Gupta等提出一种线性化谓词函数的迭代松驰方法求解该问题。文献[2]改进了该方法，证明改进后的方法与原方法生成的约束系统相同，文章以改进后的方法为核心算法，根据软件工程的思想，采用面向对象的方法，使用UML进行设计，并且在Linux Red Hat7.0操作系统下用C＋＋语言言实现一个为程序路径自动生成测试数据的原型工具，然后将它移植到Windows操作系统。     

改进的粒子群算法在测试数据生成中的应用

自动化测试中,测试数据的自动生成技术是提供软件测试效率和效果的瓶颈.粒子群算法(PSO)具有简单、易实现、可调参数少等特点,在测试数据生成方法中得到初步应用.在具体应用过程中,为克服PSO易陷入局部极值的缺陷,对算法进行了改进,应用加入移动步长的混合粒子群算法(SwPSO)自动生成测斌数据,提高了PSO算法摆脱局部极小点的能力.文中对算法的原理和实现做了详细描述,并将其与传统的基于标准粒子群算法(PSO)和遗传算法(GA)来实现软件测试数据自动生成方法进行实验对比.结果表明,改进后的粒子群算法可以更高效地生成测试数据.