基于遗传算法的反例理解

在复杂系统的错误定位过程中,为了寻找合适的证例,提出一种结合模型检测技术的基于遗传算法的反例理解算法。利用遗传算法,针对模型检测中的模型具有初始状态,状态之间有相应的迁移关系等特点,初始化种群、设计适应度函数并进行指向性的变异操作。实验表明该算法能快速有效的获得最近证例,帮助模型检测的反例理解。

基于克雷格插值的反例理解方法

针对错误原因提取效率低的问题,提出一种利用克雷格插值对模型检测器产生的反例进行自动理解的方法.该方法首先从反例失效状态出发推导出其最弱前置条件,然后对初始状态与反例最弱前置条件进行不一致分析,能在线性时间内提取克雷格插值作为反例失效原因,产生的插值能直接用于定位错误事件.实验结果表明,基于克雷格插值的反例理解方法能显著提高反例理解速度,提高软件的调试效率,从而提升软件的可靠性和质量.

一种基于最弱前置条件的软件错误定位算法

错误定位是软件调试中非常耗时费力的活动之一,自动错误定位技术可以有效地提高调试效率,降低调试成本.基于最弱前置条件的错误定位技术,首先计算出程序需要满足的最弱前置条件,并为其构造错误分析图;然后在错误分析图上依照失败测试用例进行初始化标记;最后限定分析图的输入和输出,自顶向下再次对其进行标记,找到冲突的结点,从而进行错误定位.实验结果表明,相对于其它方法,文中提出的方法能有效地提高程序错误定位的效率,使得调试人员只需检查更少的语句即可找到出错的位置.