基于改进樽海鞘群算法的测试数据自动生成

为了提高软件测试数据自动生成的可靠性,研究了一种改进的樽海鞘群算法自动生成测试数据。首先对樽海鞘群算法引入了人工鱼群算法中的随机行为,改善了樽海鞘个体容易陷入局部最优的问题,充分平衡迭代过程中的探索行为与开发行为;然后根据樽海鞘个体寻优结果引入末位淘汰机制,选择性舍弃适应度值最低的个体,并在搜索空间内随机生成一个新的个体进行种群补充;最后将改进后的樽海鞘群算法应用于基准程序的测试数据自动生成。实验结果表明,改进后的算法能够有效改善个体容易陷入局部最优的问题,正确搜寻到满足测试条件的数据,具有一定的优越性。

面向路径的测试数据自动生成方法述评

为指定的程序路径自动生成测试数据是软件单元测试中一个基本问题 .求解该问题的实质在于约束系统的建立和求解 ,其主要困难之一在于非线性约束求解是一个理论上困难的问题 .文中将面向路径的测试数据自动生成方法分为四类———随机法、静态法、动态法和试探法 ,分析和比较了每一类中有代表性的方法 ,并探讨了研究方向 .

基于剖面拓扑的三维矢量数据自动生成算法研究

地学三维矢量数据生成长期以来一直是三维GIS研究中的一个难点,该文将传统二维GIS的拓扑关系引入到剖面数据中,提出了一种基于剖面拓扑关系的三维空间实体自动生成的算法,并提出了在该方法下断层问题的解决方案。

基于GA-PSO算法的路径测试数据自动生成

为了实现测试数据自动生成,许多遗传算法及其改进算法应用到了测试领域。针对遗传算法具有较强的全局搜索能力,但局部搜索能力较弱,且收敛速度慢的特点。将遗传算法与粒子群算法结合起来形成新的混合算法(GA-PSO),并成功应用到软件测试数据自动生成过程中。实验结果表明,该算法结合了遗传算法和粒子群算法的优点,在保证软件测试数据正确生成的情况下,极大地提高了数据生成的效率。

基于正则表达式的测试数据自动生成技术

软件测试是提高软件可靠性、保证软件质量的重要手段。数据自动生成是测试自动化的重要组成部分。提出一种基于正则表达式的测试数据自动生成技术,生成的数据应该具有随机性、可控制、可定义、有意义、无错误等特性,特别是对大字段/专有类型等特殊类型的支持,可以解决目前测试数据自动生成存在的问题,具有良好的扩展性。

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。

基于遗传算法的动态可变参数的测试数据自动生成工具

测试数据的生成是实现软件测试自动化的关键,这一技术的实现大大节省了软件开发的时间和费用。利用遗传算法的理论与算法特点,建立了动态可变参数的测试数据自动生成工具。通过该工具的可视化界面可以动态地输入遗传算法参数,而且能够根据不同的路径选择输入相应的适应度函数,克服了以往在源代码中修改适应度函数的缺陷。最后通过两个实验,证明了算法的优越性。

基于选择性冗余的测试数据自动生成算法

基于选择性冗余思想,提出了一种测试数据自动生成算法.算法首先利用分支函数线性逼近和极小化方法,找出程序中所有可行路径,同时对部分可行路径自动生成适合的初始测试数据集;当利用分支函数线性逼近和极小化方法无法得到正确的测试数据时,基于使得测试数据集最小的原理和选择性冗余思想,针对未被初始测试数据集覆盖的谓词和子路径进行测试数据的增补.由于新算法结合谓词切片和DUC表达式,可以从源端判断子路径是否可行,因此能有效地降低不可行路径对算法性能的影响.算法分析和实验结果表明,该算法有效地减少了测试数据数量,提高了测试性能.

舰船装备软件测试数据自动生成方法及其应用研究

针对舰船装备软件接口报文信息量大,难于有效生成测试数据的现状,提出了一种基于网络信息交换协议的测试数据自动生成方法;首先通过分析网络信息交换协议中对接口报文的格式要求,获取测试数据要素信息,然后根据该信息自动生成接口报文数据,并且对所涉及的实际物理量和状态位数据进行必要转换,从而得到可执行的测试数据;在此基础上,开发舰船装备软件自动化测试平台,并将其应用于实际测试项目,有效提高了测试数据生成效率。

面向路径的测试数据自动生成工具及其图形界面的Tcl/Tk设计

面向路径的测试数据生成问题是软件测试中一个基本问题。文章介绍了自主开发的面向路径的测试数据自动生成工具。Tcl/Tk是一种图形界面设计工具,其功能强大,可运行于Windows,UNIX等操作系统上,具有良好的可移植性。文章简要介绍Tcl/Tk,并给出用Tcl/Tk设计面向路径的测试数据自动生成工具的图形界面的方法。

基于自适应SAGA的测试数据自动生成

结合遗传算法(GA)的并行搜索结构和模拟退火(SA)的概率突跳性,并结合使用自适应的交叉算子和变异算子,提出了一种高效的自适应的SAGA混合优化算法。在自主开发的结构性测试工具WBoxTool中,使用自适应SAGA混合优化策略进行测试数据自动生成,并通过实例对基本遗传算法、自适应遗传算法和自适应SAGA进行了比较,结果表明自适应SAGA具有更强的搜索能力,可以更快的发现全局最优解。

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弛方法[1 ] 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LinuxRedHat 7 0操作系统下用C + +语言实现一个为指定程序路径自动生成测试数据的原型工具 。

基于蚁群算法的软件测试数据自动生成

提出了一种基于蚁群算法的测试数据自动生成方法。该方法采用位串形式编码,实现了被测程序输入空间到蚂蚁路径网络的映射模型。根据程序插装函数定义的路径信息素轨迹强度,蚂蚁进行群体协作搜索最佳路径,生成测试数据。在基本蚁群算法基础上,通过引入变异算子和自适应挥发系数,提高了蚂蚁路径的多样性,克服了早熟停滞的缺陷。和模拟退火遗传算法进行了对比实验研究,结果表明了该方法的可行性,生成测试数据的效率优于模拟退火遗传算法。

基于遗传算法的IMX系统测试数据自动生成研究

利用遗传算法进行测试数据自动生成是近年来的研究热点,其有效性高度依赖于适应度函数的选取和初始种群的筛选。该文探索将遗传算法应用到IMX(Integrated Management X-software)系统测试数据自动生成以提高其回归测试的质量,将IMX系统专业测试人员手动生成的测试数据作为基础测试数据,并提出一种基于测试路径对目标路径覆盖率的初始种群筛选标准。在三角形程序和IMX系统平台上的实验表明,所提方法在寻找测试数据时所用的时间和迭代次数较少,且生成的测试数据具有较好的多样性。

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。

一种改进PSO的软件测试数据自动生成算法

针对粒子群算法存在早熟性和局部搜索性能差的缺陷,在定量研究粒子群聚集度和收敛程度大小基础上,提出一种基于离散度大小的动态调整粒子群参数的优化算法(DPPSO).在讨论了搜索的测试数据自动生成的模型基础上,以分支路径覆盖作为测试准则,将优化算法应用于生成测试数据,并在考虑分支谓词的结构特征前提下,引入一种新的适应度构造函数.通过对公开的测试程序集进行对比试验,从路径的平均收敛代数和搜索时间两个方面证实改进后的算法性能优于基本的粒子群算法(BPSO)和参数线性变化的粒子群算法(LPPSO).

面向路径的测试数据自动生成工具的设计

设计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工具。该工具根据控制流和数据流测试中所采用的覆盖标准来选取测试路径,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。同时工具采用Fibonacci法优化选取路径,对不可达路径进行处理,并对测试数据的分支覆盖率、DCP覆盖率等进行了统计。实验结果表明该工具是可行的。

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。

花朵授粉算法的研究及在测试数据自动生成中的应用

为了提高测试数据自动生成的效率,通过分析基本花朵授粉算法(FPA)的寻优性能,提出一种基于禁忌搜索的自适应步长花朵授粉算法(TS-ASFPA)并将其应用于测试数据的自动生成中.首先针对花朵授粉算法收敛速度慢、寻优精度低的问题,根据当前解的位置状态,提出一个步长因子来实时地对步长的大小进行适应调整,使搜索范围更靠近最优解所在的区域;其次,引入禁忌搜索算法以克服花朵授粉算法易陷入局部极值的缺陷;最后将该算法与其他几种典型的智能算法作比较,通过对公开的测试程序集进行实验对比,表明该算法在测试用例自动生成上的可行性和高效性.

基于程序结构的软件测试数据自动生成系统

软件测试数据自动生成技术是雷达系统软件测试工作的关键技术之一。对测试数据自动识别与生成技术进行研究，通过读取并解析程序结构体信息，设计了数据按位自动匹配策略，提出—种基于程序结构的软件测试数据自动生成方法，并基于MFC开发环境，运用C＋＋语言完成系统的开发。设计并实现的软件测试数据自动生成系统，在降低测试资源占用率的同时，有效提高测试效率、降低测试成本，实现了高效稳定的雷达系统软件测试数据自动生成工作。