基于模糊聚类的测试用例约简方法研究

软件测试用例优化是软件测试研究的重要方向,有代表性的测试用例优化是提高软件测试效率的重要手段,也是软件测试领域研究的重点和难点。基于此,文章应用模糊聚类算法对测试用例进行了聚类分析。传统模糊聚类算法普遍依赖于欧式距离,文章则利用自适应马氏距离对模糊聚类算法进行了优化,通过2种算法实现了软件测试约简。实验数据证明,该方法具有一定的有效性和可行性。

基于变异包容和关联规则的测试用例约简方法

针对存在冗余的测试用例使得回归测试中成本和工作量不断增加的问题,提出一种基于变异包容和关联规则的测试用例约简方法。利用生成的变异体和测试用例间的检测关系创建kill矩阵,根据kill矩阵中的动态包容关系去减少冗余的变异体,结合改进的Apriori算法挖掘测试用例间的关联规则来有效约简测试用例。该方法的平均测试用例约简率达到45%,采用6个经典程序与贪心算法、启发式算法进行对比实验,其平均约简率分别上升了7%、5%,运行测试所需时间分别下降了46.1%、38.4%。实验结果表明,该方法在约简测试用例方面具有有效性,并且能降低测试成本,提高测试效率。

基于关联模式的回归测试用例约简模型

针对回归测试过程中测试需求不断变更造成的测试用例数量大、测试效率低等问题,提出一种基于关联模式的回归测试用例约简模型。该模型对模块、测试需求及测试用例三者间的关联性进行纵向分析,对测试需求间的关联关系进行横向分析并约简测试需求,进而生成并约简测试用例,实现对修改后的软件进行有效的回归测试。

蚁群模拟退火算法在测试用例约简中的应用

参数的成对组合覆盖测试技术是软件测试中有效的测试方法之一。该文将模拟退火思想引入蚁群算法,组成新的混合算法,即蚁群模拟退火混合算法(ASA),应用在组合测试用例的约简过程中。按照测试的特殊需求进行多种建模尝试,通过仿真实验对算法涉及的参数进行研究,实验验证了ASA算法对测试用例集的约简作用是有效的。

面向故障定位的基于MC/DC的测试用例约简方法

对不断更新的软件进行回归测试时,持续增加的测试用例会造成累计测试用例数量庞大,进而影响测试成本。在故障定位领域,已有研究在考虑语句覆盖、路径覆盖等的基础上,提出了CMR&PVR等不同的测试用例约简方法。然而,这些方法在一定程度上影响了原始测试用例集的MC/DC(修订的条件/判定)覆盖率。提出一种以MC/DC覆盖为基础的综合测试用例约简方法 MCDCR,利用该方法对原始测试用例集约简后,在确保原有故障定位准确性并保持较高约简比的同时,大幅提高了测试用例对程序的MC/DC覆盖率。采用Ochiai方法在Siemens程序集上进行了实验及验证,结果表明MCDCR约简方法的综合效果明显优于已有的约简方法。

面向软件错误定位的测试用例约简技术综述

在整个软件开发周期中,软件测试占软件开发和维护成本的一半以上,而软件错误定位是一个最困难,最耗时的任务。错误定位技术以定位软件中的错误代码为目的,通过在待测程序上运行合适的测试用例的基础上,分析并定位错误语句。由于错误定位的精度高度依赖于选择的测试用例,测试用例的数量和质量是决定错误定位的成本和有效性的关键因素,因此,面向错误定位选择有效的测试用例,不仅有助于分析软件错误产生的原因,还能极大地提高软件错误定位的效率。首先对面向错误定位的测试用例约简方法进行了分类,并对各类测试用例约简方法进行了分析和总结,进而指出了其中存在的问题和未来的研究方向。

程序不变量驱动的组合测试用例约简方法

针对组合测试用例约简问题,提出一种基于程序不变量的两两覆盖组合测试用例约简方法。首先用组合测试用例生成算法对被测程序一次生成一个组合测试用例,然后根据该组合测试用例提取被测程序的程序不变量来决定该测试用例的取舍。典型案例实验表明该方法能有效地对组合测试用例集进行约简,可降低测试用例的数量,提高测试用例的质量。

基于矩阵行列变换的测试用例约简算法

针对测试用例约简问题,定义了一种不会改变测试需求与测试用例覆盖关系的布尔运算。应用此运算,辅以不同的测试需求、用例集优先策略,经矩阵的列变换得到精简的测试需求集,然后使用行变换对测试用例集进行约简。该方法不受测试用例输入顺序的影响。实验表明,与一些常用的约简算法相比,提出的算法在有序树生成程序测试用例约简的几个实例上都能得到较优的用例集。

基于动态基本块的测试用例约简

缺陷定位技术利用测试用例动态执行的覆盖信息来计算程序中各条语句的可疑度,有效地减少了开发人员排错的工作量。但检查大量的测试输出正确与否是非常困难而且耗时的,因此对测试用例集进行约简成为必要。传统的约简方法大多使用语句覆盖标准,本文提出以动态基本块为覆盖标准,并在此基础上提出2种约简策略来减小测试输入的规模。实验结果证明,新方法可以有效地减少测试输入,并且约简后的错误定位效果几乎不下降。

基于变异分析的测试用例约简方法

针对回归测试过程中由于测试需求的变更导致测试用例规模不断扩大、测试成本不断增加的问题,提出一种基于变异分析的测试用例约简方法(RTM)。首先,以测试用例能否检测到指定变异体为依据,对测试用例进行划分并创建二进制数值形式的变异体事务集矩阵;然后,应用改进的关联挖掘算法获取测试用例间的关联关系;最后,根据这些关联关系有效约简测试用例。6个经典程序仿真实验结果表明,RTM能够使约简后的测试用例约简率达到37%,与传统贪心算法和启发式算法相比,测试用例约简率提高了6%,且在提高测试用例约简率的同时,保证了测试覆盖率,单个测试用例的测试覆盖率平均提高了11%。所提方法能够利用尽可能少的测试用例满足更多的测试需求,有效提高了测试效率,降低了测试成本。

基于弱变异准则的测试用例约简方法

针对为数较多的测试用例增加了回归测试成本的问题,提出一种基于弱变异准则的测试用例约简方法。首先,基于弱变异准则获得测试用例和变异分支关系矩阵;然后,重复约简4种无效测试需求和子集测试用例;最后,结合人工鱼群算法选择当前最优测试用例,并且交替执行简化和测试用例选择操作直至覆盖所有测试需求。该方法针对6个经典程序与贪心算法和HGS算法相比,基于弱变异准则并且不改变或稍微改变变异评分的条件下,约简率分别提高了73. 4%和8. 2%,且耗时分别降低了25. 3%和56. 1%。实验结果表明,所提方法在回归测试中可有效约简测试用例,降低测试代价。

基于路径关键状态变量的测试用例约简

关联矩阵测试用例约简在软件测试中具有重要的作用,可以提高测试效率,降低测试成本。本文提出了基于路径关键状态变量的测试用例约简方法,该方法通过抽象语法树获取关键状态变量信息,并基于该信息构建测试用例关联矩阵,最后根据约简准则来判断该测试用例是否可以被约简。本文选取了西门子测试用例集中四个程序进行了实验,实验结果表明,基于路径的关键状态变量测试用例约简方法可以在保证原有测试用例集测试效率的情况下,有效地减少原测试用例集的数量。

一种面向测试需求部分覆盖的测试用例集约简技术

软件系统开发中频繁面对局部更新和部分缺陷修改,此时需要选择性回归测试;为降低其测试工作量需要解决部分覆盖用例集约简问题.文中基于选择性回归测试形式化定义多目标用例集约简,并设计HATS算法解决该问题.HATS算法遵循启发式贪婪搜索框架,定义权重因子α平衡两方面目标:其一是减少用例集规模;其二是避免对无关需求的覆盖.实验结果表明:同现有约简技术和算法相比较,通过适当设置因子,αHATS算法能够降低用例集规模、减少对无关需求的覆盖、同时缓解对缺陷检测能力的影响.文中的创新贡献在两方面:其一根据选择性回归测试定义多目标用例集约简问题;其二是设计HATS算法以更少的测试用例数量维持缺陷检测效果.

测试用例集的约简方法研究

蚁群算法是一种群体智能算法,能有效解决复杂的组合优化问题。在测试用例约简的问题上,该算法能在速度和精确度上寻求到一个平衡点。与传统的最小化算法不同,这个算法不仅考虑了每个测试用例覆盖度,还考虑了用例的运行代价,实验给出了这个算法与经典算法的比较结果,结论表明,此算法能快速有效缩减测试用例集的数量并降低测试运行代价,以提高最小化效率。

一种有效的约简测试用例的方法

软件测试是软件开发过程中的一个重要组成部分,是贯穿整个软件开发生命周期、对软件产品(包括阶段性产品)进行验证和确认的活动过程;测试用例的质量和数量将直接决定软件测试的科学性和有效性,测试用例约简算法是在满足测试需求的前提下生成较少的测试用例;文章先对测试需求做了初步简化,然后在剩下的测试需求基础上进行划分,从而得到约简后的测试用例集;结果表明,对于有较多测试需求的系统,此方法有助于快速有效地生成规模较小的测试用例。

抽象精化和可满足性结合的EFSM模型测试用例优化生成

基于模型的测试是测试自动化的重要手段,通常采用模型检验技术从系统模型自动生成测试用例集,但生成的测试用例集往往存在冗余,这将影响测试用例执行的性能和成本.该文以扩展有限状态机(Extended Finite Machine,EFSM)为建模工具,根据公式簇建立状态等价关系,构建抽象模型,采用模型检验技术生成抽象反例(测试用例);给出了判定生成的抽象反例是否为伪反例的方法;采用反例引导的方法精化抽象模型,删除伪反例;最后,使用我们之前提出的基于可满足性的测试用例生成方法在抽象模型上生成约简的测试用例集.实验表明:该方法的测试用例数目约简比例最高达76%(警报侦测组件EFSM),总长度约简比例最高达68%(ATM EFSM),同时不会影响测试用例集的迁移覆盖率和查错能力.

结合用例约简与联合依赖概率建模的错误定位

现有的测试用例约简方法不能有效提高错误定位精度,现有的软件错误定位方法不能充分分析元素间的依赖关系.针对以上问题,提出结合测试用例约简和联合依赖概率建模的软件错误自动定位方法,将测试用例约简与软件错误定位统一为一个整体.不同于一般的测试用例约简方法,所提出的测试用例约简方法在程序执行路径的基础上充分考虑了错误测试用例对错误定位的影响,能够为错误定位提供有效的测试用例,为快速、准确地定位软件错误奠定基础.定义了一种新的统计模型——联合依赖概率模型,充分分析了程序元素间的控制依赖、数据依赖以及语句执行状态,并提出基于联合依赖概率模型的错误自动定位方法.通过计算联合依赖关系的可疑度,对可疑节点进行排序,准确定位错误语句.实验结果表明:与SBI,SOBER,Tarantula,SF和RankCP方法相比,该算法可以更加有效地定位软件错误.

基于计算机虚拟化列车控制系统敏捷测试方法

传统的基于通信的列车运行控制(communication based train control,CBTC)系统测试受真实硬件设备环境的制约而存在瓶颈,针对该问题提出一种基于计算机虚拟化的CBTC系统测试方法.采用计算机虚拟技术模拟物理硬件设备环境,构建CBTC系统虚拟化测试平台.基于该测试平台,设计了一种自适应测试用例约简优排算法,可以在保证测试覆盖率的前提下,约简测试用例的数量,并通过优化测试用例的执行顺序,缩短系统的测试时间.该方法应用于深圳市地铁2号线CBTC系统测试,与传统测试方法进行了对比.实验表明,本测试方法可精简测试用例幅度约45%,测试时间缩短约33%,大幅提高了系统测试效率.

程序不变量到断言的自动转换方法研究及其应用

程序不变量可以揭示程序的内部属性和动态执行情况,已经成功应用于软件测试用例的生成与约简。然而,每新增一个用例都要在整个测试用例集合上重新提取程序不变量,时间开销较大。提出一种基于正则表达式的将程序不变量自动转换为对应断言的方法,并利用断言判断新用例是否冗余,仅当新用例非冗余时才提取程序不变量,从而大幅度减小时间开销。将这种基于断言的测试方法应用于回归测试,可以有效约简测试用例集合,识别程序改动所影响的元素,进而发现潜在的程序错误。实验结果表明,与其它测试用例选择方法相比,该方法时间消耗小、测试用例集合约简率高、揭错能力强。