面向燃气表安全功能检测的动态测试序列生成方法研究

在燃气表安全功能检测的过程中,存在测试用例受故障影响执行失败的情况。现有的测试序列生成算法没有考虑测试用例执行失败对测试的影响,从而导致测试成功率低、测试时间长。为此,提出了基于多级权重贪心策略的测试序列生成方法,即MWGA(Multi-level Weight Greedy Algorithm)。该方法通过分析执行过程中各影响因素对测试序列的影响程度,对各因素的权重进行量化并分级。此外,在测试执行阶段,根据执行反馈对测试子序列权重值进行实时调整并进行自适应排序。实验结果表明,和DFS、SPS、SA算法相比,MWGA的测试成功率提高了11.76%~25%,测试时长降低了35.54%~37.68%。

面向类集成测试序列确定的强化学习方法

面向类集成测试序列的强化学习方法能够自适应地根据系统集成状态调整集成测试策略,是测试优化的关键技术之一,但现有方法普遍存在计算成本高且不适用于大规模软件系统、忽略测试风险的滞后性问题,大幅降低了适用性和可靠性。针对上述问题,提出一种具有重要值加权奖励的基于测试顺序的强化学习方法。优化强化学习建模,忽略节点在测试序列上的具体位置,减弱状态之间的相关性,提升模型可用性。结合深度强化学习模型,端到端地更新集成测试策略,减少值函数的误差。在奖励函数的设计上,引入修正的节点重要值,实现降低整体测试桩复杂度且提升关键类优先级的多目标优化求解。在SIR开源系统上的实验结果表明:优化的强化学习建模方式能够有效降低整体测试桩复杂度,并适用于大规模软件系统;融入修正节点重要值的奖励函数能够有效提升软件系统中关键类的优先级,平均提升幅度为55.38%。

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,在DPSO-AO*算法基础上,采用基于加权Huffman编码的启发式评估函数实现对测试成本的评估,形成了DPSO-WAO*算法;实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,使DPSO-WAO*算法优化性能较DPSO-AO*算法提升10%以上,趋近传统AO*算法,并通过取消成本回溯有效降低了传统AO*算法的计算复杂度,对于运载火箭等大型系统的测试序列设计、故障诊断等具有重要意义。

基于深度强化学习的类集成测试序列生成方法

类集成测试序列的生成是面向对象软件测试中的关键步骤,当类的测试序列不同时,相应的测试代价也不相同.在集成测试中生成一个合理的类集成测试序列可以有效降低软件测试的代价.本文将深度强化学习中的Advantage Actor-Critic算法应用于解决类集成测试序列生成问题.首先,利用类间各种依赖关系构建与智能体交互的环境模型;然后,记录智能体从初始状态到终止状态的路径,即每次选择的动作对应每次选择集成到序列的类编号;最后,得出最终的类集成测试序列.实验结果表明,本文方法所得到的类集成测试序列花费的总体测试桩复杂度,在选取的7个项目中有5个表现最佳,在剩余2个项目中表现中等.

基于灰狼算术混合优化算法的类集成测试序列生成方法

集成测试是软件测试的重要环节,如何决定类的集成顺序是面向对象集成测试难解决的问题之一。已有研究成果证实了基于搜索的类集成测试序列生成方法的有效性,但存在收敛速度慢、寻优精度低的问题。灰狼优化算法(Grey Wolf Optimizer, GWO)中狼群易聚集在相近的区域,易早熟收敛。算术优化算法(Arithmetic Optimization Algorithm, AOA)是新近提出的元启发式优化算法,具有良好的随机性及分散性。为此,提出了一种灰狼优化算法和算术优化算法的混合优化算法(GWO-AOA)。GWO-AOA保留GWO的位置更新策略,选用群体领导层的中心个体替换AOA的引导个体,以平衡算法的全局探索和局部开发能力,进一步引入随机游动的精英变异机制,提高算法整体的寻优精度。实验结果表明,GWO-AOA相比同类方法能用较短的时间生成测试桩代价较低的类集成测试序列,收敛速度较快。

基于DRPP的列控车载设备测试序列生成方法

在列控车载设备功能场景的测试序列生成过程中,针对不能充分利用场景以外子序列衔接关系的问题,提出一种基于有向乡村邮路问题的测试序列优化生成方法。将列控车载设备所有功能场景的子序列构建成一个强连通有向图模型,并根据覆盖的功能场景构建需求弧集。利用有下界容量网络最小费用可行流算法,实现以最小成本构建包含需求弧集的欧拉图,再利用Hierholzer算法生成测试序列。以CTCS-2级列控车载设备的功能场景为例并相比于现有方法。结果表明:所述方法能够充分利用所有子序列的衔接关系生成覆盖指定功能场景的最优测试序列,等级转换和模式转换场景测试序列的成本分别降低4.2%和1.4%。

面向全迁移的小规模EFSM测试序列集生成方法

针对在扩展有限状态机(extended finite state machine,EFSM)模型上测试序列集生成效率低、规模大等问题,提出了一种面向全迁移的小规模测试序列集生成方法。该方法基于改进的自适应多种群遗传算法(improved adaptive multi-population genetic algorithm,IAMGA)。首先,利用迁移覆盖增益设计适应度函数,使每次生成的可行迁移路径均能产生迁移覆盖增益;然后,根据个体的可行迁移划分子种群,并在子种群内使用轮盘赌算法进行选择,克服了“早熟”问题,提高了全迁移覆盖的成功率;再利用种群的平均路径通过率自适应地调整交叉和变异概率,加快了收敛速度;最后,通过倒序遍历测试序列集去除冗余序列,进一步压缩了测试序列集规模。实验结果表明,与面向单迁移的测试序列生成方法相比,本文所提出的测试序列生成方法面向全迁移,仅一次就能以90%以上的成功率生成满足全迁移覆盖的测试序列集;与传统的遗传算法相比,IAMGA算法生成的测试序列集的平均规模减少了50%,平均迭代次数也减少了20%。本文提出的测试序列集生成方法可有效提高EFSM测试序列集生成的效率和质量。

基于全局最优的信息启发式Rollout测试序列生成算法

为实现电子设备或电气系统快速故障诊断,在故障诊断过程中需生成测试序列,一般通过分析测试点对故障的检测与隔离的次序能够得出产品测试序列生成排故引导树;然而针对不同故障模式的故障率不同,不同测试点的测试权重、测试费用、测试时间不同,从不同测试点出发形成的排故引导树也不同;提出了一种基于A0*信息启发式Rollout策略的测试序列生成算法,其作为一种近优的结算方法既考虑可靠性,也考虑测试费用最小,既减轻庞大的计算量,又获得了比次优启发式算法更好的诊断结果。

基于图神经的DQN的类集成测试序列生成方法研究

本文提出针对类集成测试中不同的测试序列所耗费的整体代价问题使用整体测试桩复杂度为评价指标来设计深度强化学习任务;最后设计图神经网络用来提取程序类之间的关系特征并融入至DQN中,通过在一定训练次数内不断训练智能体获得最低整体测试桩复杂度的类测试序列。实验结果表明,提出的方法可在一些测试程序上效果达到最优。

基于粒子群优化算法的类集成测试序列确定方法

类测试序列的确定是类集成测试中一个难以解决的关键问题.合理的类集成测试序列可以降低构造测试桩的总体复杂度,降低测试代价.提出一种基于粒子群优化算法的类集成测试序列确定方法.首先,对所有类进行排列组合生成所有可能的类测试序列,并将每个类测试序列看成一个粒子并映射到一维空间,用空间中的每一个位置代表一个类集成测试序列;然后,根据适应度函数计算每个粒子的速度和位置,再通过粒子群优化算法选择粒子的最优位置和最优适应度,得到最优粒子;最后,根据映射关系,将选择的最优粒子映射为其对应的类测试序列,则该测试序列即为所求得的最优类测试序列.实验结果表明,采用该文方法求得的类测试序列花费更小的测试代价,该文方法更有效.

基于数据流的软件测试序列自动生成技术研究

测试用例自动生成技术是软件测试的一个重要研究领域,而如何从待测试程序中选取适当的测试序列集合是其中的一个关键问题。文章提出一种构造结构性测试序列集合的方法,此方法首先对待测试程序进行静态分析,然后根据程序的语句间关系生成程序图,最后基于数据流测试准则,根据程序图以及变量的定义和使用信息构造结构性测试序列集合。在Linux平台上使用这种方法对若干条程序进行分析处理,得到的测试序列集合可以使待测试程序得到充分测试。本文提出的方法具有比较高的测试覆盖,同时,在计算过程中避免了无用路径的生成,节省了算法空间和执行时间。

基于复杂网络的类间集成测试序列生成方法

类间集成测试是面向对象软件测试的一个重要部分.将类抽象成节点,类间调用关系抽象成边,建立面向对象软件的复杂网络模型,根据软件网络的结构特征,分析类节点的影响力和复杂性,给出一种软件重要节点的度量方法.在此基础上,将错误被尽早发现的思想应用在类间集成测试排序中,在确保构造的测试桩复杂度较小的前提下,保证重要节点优先测试,得到了一种基于复杂网络的类间集成测试序列生成方法.最后,在开源软件DNS 1.2.0上进行分析和验证,证明了该方法的有效性.

多故障的测试序列问题研究

针对武器装备发生多故障的实际情况,提出了一种新的多故障的测试序列优化方法。用实例阐明了单故障诊断策略隔离多故障可能会出现错误的结论;通过掩盖故障、碰集与最小集合覆盖的定义建立了故障源间的映射关系,使得可用求解集合覆盖的方法获得所有元件的掩盖故障;通过对单故障诊断策略扩展的方法获得多故障的测试算法,该算法扩展的对象是存在隐藏故障和掩盖故障的叶节点;通过实例计算,并与其他算法进行了对比,验证了算法的有效性。

基于软件节点重要性的集成测试序列生成方法

集成测试序列是软件集成测试的重要问题之一.不同的集成测试顺序对测试成本以及测试效率的影响很大.为降低测试成本,传统的类级集成测试顺序研究策略大多围绕如何减少构建测试桩数量和降低测试桩总体复杂度2个方面.若能将复杂程度高、出错概率大的类和发生错误后传播范围较大的类优先进行测试,不仅可以使得错误被尽早发现,还可以有效减小错误对系统的破坏性.为此,将上述思想应用到生成集成测试序列的算法当中,提出一种软件节点重要度的评估方法(Class-HITS).该方法利用复杂网络理论,将软件抽象为网络的形式,并结合所提出的重要度评估方法,打破软件网络中的环路,然后针对网络的无环链路逆向拓扑排序,最终得到类的集成测试序列.通过实验分析证明,利用该方法得出的集成测试序列既能够保证重要节点优先被测试,又确保了构造的测试桩的总复杂度较小.

基于有色Petri网的车载设备模式转换测试序列生成方法

为高效、自动生成覆盖车载设备所有转换路径的测试序列,根据《CTCS-3级列控系统系统需求规范》,首先基于有色Petri网构建车载设备模式转换(MTCPN)模型,并采用ASK-CTL公式和非标准状态空间查询法对MTCPN模型进行分析和验证,然后根据车载设备模式转换规则,将车载设备的工作模式及其转换路径映射为有向图,采用中国邮路算法求解有向图,生成1条最优邮路,并对该邮路进行二次优化,生成车载设备模式转换的测试目标序列集;将测试目标序列作为MTCPN模型的输入,仿真生成满足全路径覆盖准则的可执行的测试序列集和XML文件。验证结果表明:基于有色Petri网的测试序列生成方法能够满足测试需求,并且避免了既有方法的状态空间爆炸和搜索死循环问题,提高了测试效率。

一种基于CPN的协议测试序列生成方法

针对状态空间规模较大的协议,提出了一种基于着色Petri网CPN(colored petri net)、面向属性的协议一致性测试序列生成方法。首先,构建被测协议规范的CPN模型,即协议模型,并将被测协议的若干功能属性采用CPN进行形式描述,形成属性模型。提出了属性模型到协议模型的状态投影算法、模型状态空间的路径匹配算法和搜索算法,基于这些算法给出了一种完整的基于属性的测试序列生成方法。该方法不但可以有效避免协议规模庞大所导致的状态爆炸问题,而且还对测试中的PCO库所进行了特殊标识,完成测试序列中可观察元素的自动提取处理,使得处理后的测试序列可直接用于协议实际测试过程。为有效验证所提测试序列生成方法的可行性,开发了一套实现该方法的软件,并应用于HMIPv6协议的实际测试过程中。实践表明,这套软件可以对较为复杂的协议一致性测试过程提供强有力的支持。

基于有向图的最小完全覆盖互操作测试序列生成算法

互操作测试过程目的是用尽量少的测试序列数目对目标系统实施测试,而又能检测出尽可能多的错误.采用基于有向图的满足互操作测试的最小完全覆盖准则的测试序列生成算法可以生成更有效的互操作测试集.

两种基于UIO序列的测试序列生成算法及比较

在通信协议一致性测试中,生成测试序列是非常重要的。基于FSM(FiniteStatemachine)的测试序列生成的形式化方法有很多种,其中基于UIO序列(Uniqueinput/outputsequences)的U方法是最常用的。本文主要介绍了两种基于UIO序列的测试序列生成算法,并以TCP协议的FSM图为例,分别应用这两种算法生成了测试序列,进而从错误覆盖度、测试序列的长度、算法复杂度等方面对这两种算法进行了比较研究。

一种基于格雷码的电路自测试序列分配算法

为了降低组合电路内建自测试的测试功耗，提出了一种基于格雷码的测试序列分配算法．分组式格雷码序列和种子序列相异或生成单跳变测试序列，根据电路的基本输入权重，合理分配测试序列位，减少了电路内部节点的跳变，有效降低了电路的测试功耗．该算法应用在改进的布斯二阶乘法器的自测试中，根据不同的数据通道位宽，相对于传统自测试架构，测试功耗降低了35．6％～43．7％，并且不影响乘法器的性能．对ISCA85基准电路的测试结果表明，该算法降低了测试功耗，具有高的故障覆盖率和少的测试长度，与LFSR相比功耗下降了59．3％～97．3％，并且硬件开销小．实验结果表明，该算法有效降低了组合电路的测试功耗，特别适合于系统级芯片内部模块的内建自测试．

基于蚁群算法的多值属性系统测试序列优化

针对系统故障诊断中的多值属性系统测试序列优化问题,该文提出一种改进的蚁群算法,将成功运用在二值属性系统中的蚁群算法扩展到多值属性系统中,根据多值属性系统特点,设计相应的状态转移规则和信息素更新机制,并采用蚁群算法和遗传算法相融合的联合优化策略,解决了多值属性系统的序列优化问题,为多值属性系统的测试优化问题提供了一条新的解决途径。