基于GA的多路径测试数据生成器适配函数设计

提出了基于GA的多路径测试数据生成的概念和实现方法。讨论了为了实现多路径测试数据生成,设计有效的和高效的适配函数应考虑的因素,用实际案例针对提出的适配函数进行了功能性能验证。结果表明了适配函数设计的有效性。

一种基于Messy GA的结构测试数据自动生成方法

结构性测试是标识测试用例的基本方法之一.由于程序语言的复杂性以及被测程序的多样性,自动生成结构测试数据的一种有效方法是根据程序运行结果指导生成过程,通过不断迭代,生成符合要求的测试数据集.提出一种基于MessyGA的结构测试数据自动生成方法,将测试覆盖率表示为测试输入集X的函数F(X),并利用MessyGA不需要染色体模式排列的先验知识即可进行优化求解的性质对F(X)进行迭代寻优,进一步提高了搜索的并行性,并最终提高测试覆盖率.对一组标准测试程序和若干实际应用程序的实验结果表明,较之现有基于遗传算法的生成方法,该方法能够以更高的效率生成更高质量的测试数据,并适用于较大规模的程序.

基于区间相容技术与GA的测试数据自动生成方法

针对测试数据自动生成完全依赖约束集求解问题(Constraint Solving Problem,CSP)进行求解会导致耗时较大甚至求解不出最终测试用例,以及采用动态GA算法又无法确定变量的最初论域空间,首次将基于CSP求解与GA的动态算法进行了有机结合,摒弃了二者固有的缺陷,吸取了静态算法对变量论域空间削减速度快的优点。采用eBox区间相容削减标准,过滤变量的论域空间,并在经过削减的空间上采用GA搜索算法自动产生测试数据,应用常变量的逆向推导技术、表达式直接遗传等技术,大幅度地提高了测试数据的生成速度。

基于MPI的并行大数据集生成器

大数据处理分析算法在优化研究过程中,速度常常受限于数据集的规模。在数据集体量不足时,算法的通信时间往往要高于真正的计算时间,无法验证真实的效果。故设计实现了一个大数据集生成器,为运行在超级计算机上的并行大数据处理分析算法提供基准测试数据集。首先,使用MPI并行编程技术构造了一个并行随机数生成器,在此基础上设计实现了可控制规模及复杂性的人工数据集,主要包括:分类和聚类数据集、回归数据集、流形学习数据集和因子分解数据集等。其次,设计了大数据集生成器的I/O系统,提供MPI-I/O并行读、写数据集的接口,并设置了数据集在不同进程间的分发、映射规则,通过点对点通信实现不同节点之间的数据交互。实验结果表明,并行大数据集生成器有效提高了数据生成效率和生成规模,为并行大数据处理分析算法提供了高质量、大体量的测试数据集。

基于GA的字符串型测试数据自动生成方法研究

实现了一种基于GA的字符串型测试数据自动生成方法.该方法设计采用了混合适应度函数,并且自动生成的测试数据是在实际应用中使用相当普遍但目前测试数据自动生成方法研究中涉及较少的字符串型数据.实验表明:该字符串型测试数据的自动生成方法有较好的效果.它可以有效地帮助做毕业系统设计的计算机专业学生和软件开发人员自动生成字符串类型的测试数据,提高软件测试的效率.

合成负载生成器实现云测试

随着云计算和虚拟化的演进,为不同目的服务的软件之间互动的复杂性日益提高,因此验证解决方案和支持方法也需要与时俱进。思博伦通信的《合成负载生成器实现云测试》一文对合成负载生成器实现云测试进行了研究和分析。云计算及其所有的实例化都需要一类新型的工具来验证其运行所需的平台。这类商用的、具有高性价比的工具应当能同时满足超大规模的要求,并且足够灵活,能够模拟任意类型的应用工作负载,可实现精确的控制,提供关键的分析数据,以及计算资源性能的实时反馈,而且完全由可应用于云和NFV应用的方法来驱动。合成负载生成器能够满足所有这些要求。合成应用工作负载并不是什么新概念。事实已经证明,应用工作负载能够以准确且真实的方式实现合成。思博伦一直是该领域先锋,并努力将此类工具和支持方法推向市场。

基于无关变量分离的EFSM测试数据进化生成

扩展有限状态机(EFSM)相比于有限状态机(FSM)能够更加精确地刻画系统的动态行为,因而广泛作为各种控制流与数据流系统的测试模型。在EFSM模型的测试中,使用搜索的方法获得触发目标测试路径的测试数据是近年来的一个研究热点。为进一步提高搜索效率,在遗传算法(GA)的基础上提出一种自动分离测试路径中无关输入变量的方法,该方法通过分析模型中变量与迁移间的关系,判定不影响子路径中谓词条件的无关输入变量,进而从个体中将其分离以实现搜索空间的自动缩减,提升测试数据生成效率。对几种具有不同复杂度的基准EFSM模型进行实验后的结果表明,该方法生成有效测试数据的成功率均达到98. 2%以上,且与未分离输入变量的遗传算法相比,所需平均迭代次数减少44. 7%～85. 9%,平均运行时间减少24. 1%～85. 5%。

改进量子遗传算法应用于测试数据自动生成的研究

为了提高测试数据的自动生成效率,提出一种改进的量子遗传算法(IQGA),用以自动生成测试数据.该算法以角度编码染色体,减少染色体存储空间;采用一种新的动态旋转角策略,使种群在测试数据生成的过程中优秀测试数据能得以较好的遗传,促进种群收敛;并通过Hadamard门变异策略提高种群多样性,扩大种群探索路径.利用典型的三角形分类问题进行了验证,实验结果表明,改进的量子遗传算法具有用时短,生成测试数据少,覆盖率高等优点,测试数据自动生成效率高于传统量子遗传算法和遗传算法.

基于遗传算法的测试用例自动生成技术研究

本文对应用遗传算法解决测试用例生成过程中的关键技术进行了分析,在突变因子选择、染色体编码和适应度函数设计等方面进行了分析、改进,最后结合经典算例对改进进行了验证。

人工智能技术下软件可靠性自动测试系统的设计研究

为提高软件测试的可靠性,文章基于人工智能技术,以PSO(粒子群优化算法)为基础,设计对应的软件自动测试系统,并进行实际实验和结果分析。结果表明:以PSO为基础依据的软件测试系统,相比其他测试系统更具时效性,准确度得到提升;与GA(遗传算法)相比,能够更加提升效率,节约成本,提高测试质量。

基于切片技术的应用软件集成测试方法研究

软件集成测试中忽视了可信度分析,导致测试时数据丢包率高,运算效率低。为加强软件测试方法的全局收敛能力,提出基于切片技术的应用软件集成测试方法。通过切片技术缩小测试范围,提高应用软件集成测试效率。考虑节点的同时将可信度作为切片的生成指标,通过定义构造切片需要考虑的相关因素,获得切片数据自动生成器框架。在缩短切片数据范围的基础上,采用结构驱动集成测试模式,使人机协同运作,完成应用软件测试的全过程。通过特征分析和对比实验结果可知,上述方法测试速度更高,有效抑制了数据丢包率,使结果更精确,具有较强的可行性。

基于面向对象的单元自动化测试工具研究

阐述了面向对象系统中单元测试的概念,针对面向对象的单元自动化测试给出了理想的自动化测试工具体系结构,并对在理想状况下如何实现自动化的相关问题进行了探讨,以实现完全自动化。

新软速递

运行平台：Windows 2000／XP／2003/Vista 软件授权：免费软件软件 大小：3．8M 科来数据包生成器是一个用于网络测试的网络数据生成工具，可以生成各种数据包，或直接对网络中捕获的数据包进行数据值编辑，可以：