回归测试中路径覆盖生成方法研究及其应用

基于边覆盖的路径覆盖估测法可获取用于回归测试用例选择的数据信息,但存在估测精确率不高、对重叠路径的识别能力差以及循环结构对可执行路径数目的影响等缺陷.针对这些缺陷,提出一种新的路径覆盖生成方法来获取程序执行的路径信息,该方法包括CFG图到DAG图的转换和还原、利用DFS深度优先策略构造DAG图的chord生成树等,然后设计了基于该方法的测试数据集生成方法.最后,对该方法进行实验验证和数据分析,证明了该方法的有效性.

求解测试用例自动生成问题的多因子回溯搜索优化算法

路径覆盖测试用例自动生成(ATCG-PC)问题是自动化软件测试领域的热点。ATCG-PC问题中群智能进化算法常用的适应度函数之间具有高度的相似性,然而现有的解决ATCG-PC问题的群智能进化算法尚未考虑这一相似性特征。受相似性特征启发,将两个相似的适应度函数看作两个任务,从而将ATCG-PC问题转化为多任务ATCGPC问题,并提出了一种新的解决多任务ATCG-PC问题的群智能进化算法,即多因子回溯搜索优化算法(MFBSA)。所提算法通过多因子选择Ⅰ的记忆种群功能提高全局搜索能力,并通过选型记忆交配使得相似任务之间能够通过知识转移提高彼此的优化效率。在6个雾计算测试程序和6个自然语言处理测试程序上对所提算法性能进行了评价。与回溯搜索优化算法(BSA)、免疫遗传算法(IGA)、收敛速度控制器粒子群优化(PSO-CSC)算法、自适应粒子群优化(APSO)算法和超立方体差分进化(DE-H)算法相比,MFBSA覆盖12个测试程序上的路径所使用的测试用例总数分别减少了64.46%、66.64%、67.99%、74.15%和61.97%。实验结果表明,所提算法能够有效降低测试成本。