测试用例集约简问题研究及其进展

测试用例集约简问题是软件测试中的关键问题之一,其目的是使用尽可能少的测试用例充分满足给定的测试目标,从而提高测试效率、降低测试成本。在简要介绍了测试用例集约简问题基本概念的基础上,总结了求解该问题的几种主要方法,分析比较了这些方法的效率和特性。随后探讨了与测试用例集约简问题强相关的测试用例集错误检测效率的问题,并研究了测试用例优先级技术。最后指出了测试用例集约简问题的下一步研究方向。

测试用例集启发式约简算法分析与评价

在软件开发和维护过程中,为了提高对源程序变更部分的信心并且保证源程序变更部分没有对未变更部分造成负面影响,需要对软件系统进行回归测试。回归测试是一个昂贵的测试过程。测试用例集约简算法是在仍然满足测试准则的前提下,通过删除所有冗余测试用例得到测试用例集的最小约简测试用例集,用以优化回归测试过程。综述了文献中主要的测试用例集启发式约简算法,通过统一的框架和术语定义了这些算法,分析和比较了这些算法的效率和优劣,指出了未来进一步研究的方向。

一种能得到优化代表集的测试用例集极小化算法

测试用例的数量影响软件测试的成本和效率,因此精简测试用例集具有极为重要的意义.在结合国内外提出的几种算法的基础上,提出了一种能保证得到优化代表集的测试用例集极小化算法.

一种利用商空间方法的优化测试用例集生成算法

在对软件系统进行测试时,由测试需求创建的测试用例集往往数量庞大且存在冗余,为了提高测试效率,降低测试成本,需要优化测试用例集.因此基于商空间理论,提出一种优化测试用例集生成算法:利用测试需求间的相互关系,首先运用商空间理论中的属性投影法进行测试用例集的分解,再运用商空间理论中的属性合成法对分解所得的测试用例商集进行合成,同时采用半序结构来描述测试用例子集之间的关系,从而最终在合成结果中通过简单的选择即可得到优化测试用例集.先通过理论证明了该算法的有效性;再通过仿真实验模拟该算法在不同情况下的约简效果,不仅进一步验证该算法在测试用例集约简上的优势,而且得出影响该算法约简效果的两个因素.

一种基于测试需求约简的测试用例集优化方法

测试用例集优化的目标是用尽可能少的测试用例充分满足给定的测试目标.针对给定的测试目标,获得精简的测试需求集有助于提高测试用例集优化的效率和效果.从测试需求约简的角度考虑测试用例集优化,首先给出可以精确描述测试需求间相互关系的测试需求约简模型;基于此模型,提出一种测试需求约简方法,可以获得精简测试需求集,作为测试用例集生成和约简的基础,从而实现测试用例集优化.实验结果表明,测试需求约简有助于获得规模较小的测试用例集,实现系统、科学、有效的测试.

基于Spark的并行化组合测试用例集生成方法

软件系统的正常运行受很多因素影响,各种因素及其相互作用可能引发软件故障,需要设计测试用例检测这些故障.如果因素数量较多且取值情况较复杂,则所需测试用例的数量将非常庞大.如何设计规模较小的用例集是测试用例生成研究的一个关键问题.组合测试能够从待测软件的大规模组合空间中,生成小规模的用例集,实现对各因素取值组合的充分覆盖.已有研究表明,组合测试的最小测试用例集生成问题是一个NP完全问题.目前已有一些研究尝试使用启发式搜索算法生成尽可能小的用例集.启发式搜索算法将组合测试用例集生成问题转化为搜索问题,并使用元启发式算法生成用例集.启发式搜索算法通常能够生成较小规模的用例集,但需要较长的计算时间.为了解决这个问题,文中提出了一种基于Spark的岛模型并行化遗传算法,利用Hadoop分布式文件系统实现了Spark运行节点间交换信息的方法,进而实现个体在子种群间的迁移.该算法首先从初始种群创建Spark的弹性分布式数据集;然后,将该数据集划分为多个子种群分布到集群的多个节点中;接着,各个子种群在各自的节点上计算适应度函数值和独立进化,并每隔一定的进化代数选择一些个体在各个子种群间迁移,提高了种群的多样性以及搜索最优解的有效性和性能;最后,算法返回满足覆盖准则的最优测试用例集.这种基于Spark的并行化遗传算法是大规模并行化在组合测试用例集生成方面的一个有效尝试.在实验部分,首先对文中提出的并行化算法进行系统的参数调整,给出适合组合测试用例集生成的推荐参数配置;接着将文中所提算法与串行遗传算法和独立运行遗传算法进行比较.实验结果表明,文中所提算法在生成用例集规模和消耗时间上均显著优于这两个算法.在运行所选实例时,该算法比串行算法加速约4至30倍,比独立运行遗传算法加速约2至3倍.相对于已有的组合测试用例集生成方法,文中所提算法在生成用例集规模上也具备显著优势.

基于蚁群算法的测试用例集最小化研究

测试用例集最小化的目的是用尽可能少的测试用例充分测试给定的被测目标。把每个待测用例抽象成独立的节点,通过构造虚拟蚁群以及采用启发信息的动态更新,提出一种新的基于蚁群算法的测试用例集最小化方法及具体实现步骤。并编写算法,运行仿真程序对基于蚁群算法的测试用例集最小化方法进行验证,对实验结果的分析证明了该算法的可行性和有效性。

互补策略的简化测试用例集方法研究

为了对测试用例集进行有效化简,提出了一种考虑测试用例间互补关系的测试用例集简化算法CH.该算法通过挑选所有的必不可少测试用例、剔除1-1冗余测试用例、选择能够最大程度满足未被满足的测试需求的测试用例、应用考虑元素间互补关系的双组合选入机制,寻找优化代表集.实例研究表明,在一些测试条件下该算法优于现有的几种测试用例集简化算法.利用该算法,可以得到更精简的测试用例集.

基于蚁群算法的三三组合测试用例集的生成

针对组合软件测试中的三三组合测试用例集生成问题,将动态启发信息加入到蚁群算法搜索过程中,以保持种群的多样性,增强蚂蚁的局部搜索能力,从而克服算法的早熟现象,并提高收敛速度。典型实验结果表明,该算法能够生成精简的测试用例集。

回归测试中测试用例集缩减问题的研究

测试用例集缩减(Test Suite Minimization,TSM)问题作为回归测试的研究热点和难点,在满足对指定测试需求的覆盖前提下,通过识别并移除冗余测试用例来降低回归测试成本。对国内外已有的TSM研究成果进行综述。首先分别从源代码和模型两个角度出发,总结已有的TSM方法:从源代码角度出发,重点分析与总结传统TSM方法和考虑缺陷检测能力的TSM方法;从模型角度出发,重点分析与总结基于扩展有限状态自动机的TSM方法。然后对实证研究中采用的评测程序、评测指标和实证结论进行总结。随后总结了TSM方法在特定测试领域的应用,包括GUI应用测试、Web应用测试和缺陷定位等。最后展望了未来的可能发展趋势。

基于蚁群算法的测试用例集优化方法

为了达到以尽可能少的测试用例满足测试需求的目的,提出了一种先对测试用例集进行完全划分,再利用蚁群算法对其优化的方法。首先根据测试需求间的相互关系,将最初的测试用例集划分成多个互不相交的子集,每个子集中的元素为等价测试用例;其次从各个子集中选取一个测试用例,组成一个新的集合,该集合已经摒弃了部分冗余测试用例;然后利用蚁群算法对测试用例集进行最优的简化;最后通过实例证明了该方法可以产生比原有的方法更优的测试用例集。

基于图分析的测试用例集优化

根据被测系统接口参数之间的关系,研究接口参数集与二部图之间的联系,提出接口参数集的相关定义、分类和性质并证明这些性质。在此基础上提出一种基于图的测试用例集优化算法,用于约简和优化测试用例集。实例分析表明该方法能够在保持测试用例覆盖率不减的情况下,较大地减小被测系统的测试用例集规模,提高测试效率。

基于变异分析和覆盖准则的回归测试用例集缩减

软件测试是在软件开发过程中,用以确认和验证软件质量的主要方法。然而测试用例冗余是软件测试面临的一个重要难题。在回归测试中,人们会根据新的测试需求不断补充大量的测试用例,这也会造成测试用例冗余的出现。虽然现在已有很多工具通过重用测试用例集来降低回归测试的成本,但回归测试依然可能是极其耗时的过程。为此,人们提出了各种方法,对已生成的测试用例集进行缩减。虽然一些现有的数据缩减方法可以减少冗余数据,但往往会削弱排除错误的能力。文章通过引入变异分析和覆盖准则来建立回归测试用例集缩减实验的数学模型,并采用多目标进化优化方法来进行求解优化模型。最后采用Siemens suit基准数据集及工业space大程序进行验证,并使用3种进化优化算法进行测试用例集缩减。事实上,对于SIR小程序,NSGA-Ⅱ算法表现最优;对于space大程序,则是MOEA/D-PBI优于NSGA-Ⅱ。实验结果表明,在保证缺陷检测能力不下降的同时,该方法可以有效地缩减测试用例集。

基于遗传算法测试用例集极小化研究

提出了一种应用于软件回归测试过程中的基于遗传算法的最小化测试用例集算法模型。该算法针对在软件回归测试过程中,测试套间内的测试用例间往往存在着重复覆盖测试需求的情况,因而测试套间中将存在着大量的冗余测试用例,将测试用例与测试需求之间的覆盖关系模型转化为集覆盖模型。然后利用遗传算法强大的全局搜索能力,优化在极小化的测试用例空间,较低的测试成本条件下,覆盖回归测试需求。并通过对算法的仿真结果进行分析表明,该算法较一般的优优化算法具有更高算法性能与效率。

基于二组合的测试用例集生成及精简方法研究

对二组合测试用例生成算法进行了研究,在IPO算法的基础上进行了改进,主要改进了IPO算法的水平扩展过程。将待扩展参数排序,将每次扩展一个参数变成一次扩展一对参数。实验验证了该方法的时间开销在可以接受的范围,方法可以优化符合特定条件的待测系统用例集生成。在此基础上,提出了进一步精简测试用例集的方法,以达到最大程度上减少冗余的目的。

一种最小测试用例集生成方法

测试用例的数量和质量决定软件测试的成本和有效性 .该文提出了一种生成最小测试用例集的方法 ,该方法首先充分考虑测试目标中各个测试需求之间的相互关系 ,将满足测试需求的所有可用测试用例进行划分 ,根据划分的结果生成一个测试用例集 ,然后利用启发式算法、贪心算法或整数规划方法来消除冗余 ,对这个测试用例集进行进一步的简化 .这种方法与已有方法相比 ,优点在于它可以生成满足所有测试需求的最小测试用例集 .

基于贪婪算法的回归测试用例集生成方法

在贪婪算法的基础上,通过测试需求的辅助,提出一种算法.此算法删除了地位低的测试需求,并且不断缩减测试用例的选择范围,以提高算法的效率.

基于一种遗传算法的最小测试用例集自动生成

测试数据的生成是一个复杂的问题,且其技术和方法还不成熟。在生成最小测试用例集过程中,为了避免基本遗传算法对已经满足测试需求的测试用例重复进行遗传操作,文中在基本遗传算法的基础上,最大提高遗传算法的稳定性,提出最大稳定遗传算法(LSGA)。该算法能很好地保证种群的最大稳定性,提高搜索性能,最后对该算法从概率角度理论证明其优越性。实例分析表明,利用该算法能较快生成最小测试用例集,从而实现对测试目标的充分测试,提高测试效率,降低测试成本。

SQL测试用例集的自动生成

编写SQL语句是测试数据库管理系统的一个重要部分。自动生成SQL语句可以有效减少测试人员的工作量,而目前没有直接生成SQL语句的自动化工具。通过模拟产生式的直接推导过程,根据SQL文法,给出生成符合该文法的SQL语句,用作测试用例的方法;研究从表示文法的BNF文件生成SQL测试用例集合的自动化过程。这个过程包括几个阶段:将SQL文法的每一个非终结符转换成一个对应的解析函数,所有解析函数的集合构成规则库;遍历文法的产生式自动生成SQL测试用例;使用权值数组结合随机数,加大生成测试用例的灵活性;使用非终结符的最大调用次数来终止SQL测试用例的生成。通过介绍的工具原型,可以得到符合SQL语法的SQL测试用例。

回归测试中测试用例集扩充技术研究进展

测试用例集扩充问题(Test Suite Augmentation)是回归测试研究的一个最新研究热点。在完成代码修改影响分析后,对已有测试用例集的充分性进行评估,若不充分则设计新的测试用例,以确保对代码修改的充分测试。但到目前为止,国内外学者并未对该研究问题的已有研究成果进行系统总结和展望。首先介绍了测试用例集扩充问题的研究背景和问题描述,然后总结出研究框架并对已有研究工作进行分类和系统比较,接着对常用评测数据集和评测指标进行了分析,最后对该问题值得关注的未来研究方向进行展望。