基于改进蚁群算法的软件回归测试用例集优化方法

为控制测试用例集合的冗余数据量,引进改进蚁群算法,设计针对软件回归测试的用例集优化方法。首先,建立测试用例集覆盖模型,掌握测试用例集数据信息的覆盖情况;其次,根据事件发生概率模型,以测试用例集的用例个数最小为优化目标,建立用例集优化目标函数;最后,在保证用例集满足要求的条件下,逐步缩小用例集信息的覆盖度,实现对测试用例集冗余信息的优化处理。实验结果证明,该方法可在最短迭代次数下使测试用例集达到最优,降低优化处理后测试用例集的冗余数据量。

软件回归测试过程自动化管理方法的研究与实现

在深入研究软件回归测试过程管理理论的基础上,提出了一整套用于软件回归测试过程自动化管理的方法。该方法能够辅助测试人员按照规范的回归测试过程开展相应的回归测试活动,高效地完成更动影响域自动化分析、回归测试设计、回归测试结果自动化分析及统计、回归测试文档自动化生成等一系列工作,显著提高了软件回归测试过程的自动化管理水平。

软件回归测试中的故障树技术应用研究

回归测试是软件产品生产过程中比重很大的测试环节。对基于修改变更和基于新增变更的软件回归测试都可基于故障树分析的缩减回归测试策略进行。对错误/BUG修改变更的故障树分析,可基于"软件缺陷是一种故障"的思想进行套用。对新增变更的故障树分析,须基于"产品质量控制和保证的全过程"思想和程序员协作,决定软件新增变更的影响部分。通过基于故障树的相依性分析,对基线测试用例库的测试用例进行缩减,选用有效的测试用例和设计新的测试用例构造成回归测试包。

软件回归测试中的自动测试生成方法

软件回归测试一般使用现有的测试用例集进行测试,如何有效利用这些用例成为回归测试的关键。研究自动对现有测试用例集的扩展,包括自动改变测试用例的执行顺序、自动进行测试用例数目的增减等,提出基于现有测试用例随机生成新的测试用例集的方法。实验证明,该方法生成的测试文件能在原有环境下成功执行,能实现自动测试范围的扩大或缩小,以及测试时间的增加或减少,为软件回归测试提供了有用的自动化工具。

基于三元闭包理论的软件回归测试影响域分析方法

为提高测试充分性,减少系统维护的代价,提出了一种基于三元闭包理论的软件回归测试影响域分析方法。将软件系统抽象为一个社交网络,软件系统提供的功能抽象为虚拟人,为虚拟人之间定义交流通道类型,通过图论和三元闭包理论构建非直接发生联系的人的关系,给出回归建议。建立有向有权图模型,再结合三元闭包理论,利用算法计算每个测试项推荐系数,如果推荐系数大于0.5,则将该测试项纳入回归测试。该算法实现了测试用例集约简的同时,结合测试项社区网络针对性地将可能有缺陷的测试用例进行回归测试,满足网络频率规划管理软件等项目工程回归测试的应用需求,大大降低了人力成本,提高了回归测试效率。

多准则优化的规模约束型测试用例选择

软件修改之后可以重新测试之前的所有用例来发现错误,但是这种方法耗费巨大,为了减少测试用例数量,优化测试工作,本文提出了一种全新的用例选择方法,即从现有的测试用例集中挑选一定数量的用例并进行重新排序。该方法塑造了一个线性规划问题,采用两个代码覆盖准则并放宽约束来发现接近最优方案的用例,然后对这些用例使用投票机制获得最优用例集,最后采用最大化最小覆盖的贪心算法进行迭代排序。实验表明在大部分案例中,新方法的性能相比现有方法有显著的改进,而且一致性更好。