基于ART优化选择策略的遗传算法生成测试数据方法

测试数据自动生成方法是软件测试领域研究的热点。基于遗传算法的启发式搜索算法是一种路径覆盖生成测试数据的方法。文中提出了一种基于自适应随机测试(Adaptive Random Testing,ART)算法更新种群的方法,将ART融入遗传算法,优化选择操作,动态更新种群,从而增加种群进化过程中的个体多样性,提高了收敛速度,有效地减少了陷入局部最优。实验结果显示,与传统遗传算法生成测试数据的方法相比,改进的算法明显提高了路径覆盖率,减少了种群平均进化代数。

CART:组合自适应随机测试方法

自适应随机测试方法将测试用例均匀分布于整个输入空间,以提高测试效率.然而,当被测软件的输入参数存在错误相关性,使失效区域形状成为"片状"时,传统的自适应随机测试方法效率将急剧下降.针对"片状"失效区域的特点,本文提出了一种新的自适应随机测试方法:组合自适应随机测试方法.该方法将输入参数划分为多个不同的组;每一组被视作一个独立的输入空间并通过自适应随机测试方法生成"准"测试用例序列;最终的测试用例将由各组"准"测试用例组合而成.实验表明,组合自适应随机测试方法能大幅度提高测试用例发现错误的效率.

基于随机向量镜像策略改进ART算法

针对现有的镜像自适应随机测试(MART)、动态镜像自适应随机测试(DMART)等算法通过镜像函数生成的测试用例的随机性不足,使其有效性在不同程度上有明显下降的问题,提出基于随机向量镜像策略改进ART算法.首先将随机向量引入传统镜像函数,增大镜像测试用例间的差异性;然后将随机向量镜像函数运用到镜像策略中,改进现有的ART算法.实验结果表明,利用随机向量镜像策略可明显地提高镜像算法的有效性,并且该算法比传统ART算法的效率有显著提升.

基于改进蝗虫优化算法的智能组卷策略

针对传统组卷策略组卷时间长、试卷质量低等问题,本文提出了一种基于改进蝗虫优化算法的智能组卷策略。首先,综合知识点覆盖率、难度系数等因素,建立多目标评价模型;其次,将试题组合方案编码为蝗虫个体,通过蝗虫优化算法寻找最优组合方案,引入最优导向与随机竞争策略更新个体位置,以增强算法全局搜索能力;结合模拟退火思想,以使算法有能力跳出局部最优;引入余弦自适应函数调整搜索步长,以提升算法收敛速度。根据最优试题组合方案,生成一套高质量的试卷。实验结果表明,基于改进蝗虫优化算法的智能组卷策略与PSO-GA相比,组卷时间降低了52%,适应度提升了19%;与传统蝗虫优化算法相比,组卷时间降低了30%,适应度提升了14%。

基于失效聚集度对ART算法有效性的研究

在对点状失效模式和块状失效模式进行分析研究的基础上提出了失效聚集度和失效簇单元的概念。将块状失效到点状失效的退化过程看成是失效聚集度逐渐降低的结果,并在此基础上对经典的固定候选集算法进行实验。经试验发现:聚集度均等的情况下,随着聚集度的降低,自适应随机测试算法的有效性迅速跌至极限,随着聚集度接近极限,其有效性稍有改善,但仍不如随机测试。

基于镜像选择序优化的MART算法

镜像自适应随机测试(Mirror Adaptive Random Testing,MART)算法将输入空间划分为多个不相交的相等子域,源域中使用自适应随机测试(Adaptive Random Testing,ART)算法生成测试数据,剩余子域中使用镜像函数生成镜像测试数据.镜像策略的引入减少了ART算法的计算开销,但是算法的检错有效性也随之降低.通过研究MART算法的特征,分析如何提升MART算法的检错有效性.针对镜像函数将源测试数据镜像到各子域时的镜像顺序,对比分析镜像选择序与镜像函数对MART算法的影响,本文提出了基于镜像受限选择序的MART算法,通过约束镜像选择序,使镜像测试数据分布更均匀.在仿真实验与实例实验结果中均显示,针对镜像策略中镜像选择序的优化,提高了MART算法的检错有效性.

Climate Change Perceptions , Impacts and Adaptation Strategies of F arm Households in Potohar Region of Punjab, Pakistan

Climate change has become a global phenomenon and is adversely affecting agricultural development across the globe.Developing countries like Pakistan where 18.9%of the GDP(gross domestic product)came from the agriculture sector and also 42%of the labor force involved in agriculture.They are directly and indirectly affected by climate change due to an increase in the frequency and intensity of climatic extreme events such as floods,droughts and extreme weather events.In this paper,we have focused on the impact of climate change on farm households and their adaptation strategies to cope up the climatic extremes.For this purpose,we have selected farm households by using multistage stratified random sampling from four districts of the Potohar region i.e.Attock,Rawalpindi,Jhelum and Chakwal.These districts were selected by dividing the Potohar region into rain-fed areas.We have employed logistic regression to assess the determinants of adaptation to climate change and its impact.We have also calculated the marginal effect of each independent variable of the logistic regression to measure the immediate rate of change in the model.In order to check the significance of our suggested model,we have used hypothesis testing.

一种基于优先级的迭代划分测试方法

随机测试和划分测试是两种重要的测试方法,关于两者在失效检测能力和效率方面的比较一直是软件测试领域的研究热点之一.适应性随机测试是对随机测试的一种增强,通过实现测试用例在输入域上的均匀分布,提高了随机测试的失效检测能力.该文从划分测试出发,借鉴了均匀分布的思想,提出了一种基于优先级的迭代划分测试方法(Iterative Partition Testing based on Priority Sampling,IPT-PS).首先迭代划分输入域并选取划分后子域的中心点作为待执行的测试用例,随后采取优先级策略,将待执行的测试用例分为3种不同优先等级并依次执行.迭代划分和中心采样仅需要已知输入域的空间信息,优先级执行则考虑了测试用例的不同空间特性,上述3种操作均仅需要很少的时间开销并力求实现测试用例在输入域上的均匀分布,以提高失效检测能力.该文通过理论分析给出了IPT-PS检测出对应失效所需测试用例数量的上界,并通过一系列实验结果表明:IPT-PS在仅使用接近随机测试时间开销的情况下,可以获得与适应性随机测试相近甚至更好的失效检测能力,是一种高效的测试方法.

一种基于RRT技术的面向对象软件测试方法

针对目前面向对象软件的测试方法较少且效率不高的问题,提出将基于ART(adaptive ran-dom testing)思想的限制性随机测试RRT(restricted random testing)应用到面向对象程序中的方法.分析了面向对象软件测试用例的结构,提出了测试用例包含动态部分和静态部分.确定测试用例之间的距离为动态部分和静态部分的距离和,并分别给出了这2个距离的计算公式.设计了基于RRT的测试原型系统,该原型系统主要的功能模块有类图录入模块、测试用例距离度量模块、基于RRT测试用例生成模块、结果分析模块.通过试验对比了文中方法与随机测试方法.结果表明,文中提出面向对象的RRT方法在发现第1个程序错误的测试中比随机测试方法减少了约50%的测试用例数量,且在发现测试用例的质量上也几乎与随机测试相同.文中提出的测试用例度量机制能够有效地对面向对象软件中的测试用例进行区分,基于RRT的测试原型系统也能自动化地生成测试用例并自动测试从而大大提高了面向对象软件测试的效率.

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.

基于随机森林的集成电路适应性测试方法研究

在集成电路测试过程中,随着测试时间的延长,会导致测试成本偏高。针对这种情况,提出一种基于随机森林的适应性测试方法。对于训练模型的芯片,通过计算基尼指数得出芯片参数测试过程中每个测试组对模型分类的重要程度,按照特征重要性对测试组进行重要度排序,筛选出特征重要性最高的测试组,并统计每个测试组测出的缺陷芯片数。对测试集中部分芯片进行测试,并通过删除部分测试组来减少测试时间,采用随机森林算法预测芯片质量,在保证预测准确率的基础上,尽量减少预测时间。实验结果表明:与KNN和逻辑回归算法相比,随机森林算法在预测准确率、测试逃逸水平和运行时间方面始终保持最优。与传统测试方法相比,随机森林算法在保证较低测试逃逸的情况下可以减少约28%的测试时间。与其他两种具有代表性的适应性测试方法相比,所提出的方法在测试时间方面表现更优。

一种改进自适应参数的和声搜索算法

针对现有和声搜索算法(HS)的提前收敛、收敛速度缓慢、参数选择不佳和容易陷入局部最优等缺点,本文提出一种自适应和声搜索算法参数的改进方法(DCNHS),在算法中加入新的动态方法并且引入带有自适应参数的柯西、正态分布随机数来实现改进算法参数的自适应.通过与目前性能较为突出的几种改进的HS算法、PSO算法、GA算法相比较,本文提出的改进算法(DCNHS)在若干标准优化算法测试函数仿真中,寻优更加精确,收敛更加迅速,并具有较强的跳出局部最优的能力.

面向测试数据生成的遗传算法初始种群分布问题研究

基于遗传算法生成测试数据的方法中,种群规模对平均进化代数有很大影响。种群规模大,平均进化代数少;种群规模小,平均进化代数多。分析初始种群分布对基于遗传算法生成测试数据方法的影响,提出一种基于ART算法改进初始种群的遗传算法,使初始种群中个体更加多样化。实验结果显示,ART算法改进初始种群遗传算法生成的测试数据平均进化代数明显减少,说明初始种群中个体的多样化对减少迭代次数有积极作用。

基于实验的自适应随机测试效率分析

自适应随机测试通过自适应算法对随机测试进行加强,从而提高软件失效检测能力.现有研究过多强调了其在F-度量上的优势,而较少考虑输入域的诸多因素对自适应随机测试效率的影响.选取3类典型自适应随机测试算法和随机测试算法,分析被测软件失效区域紧致程度、维度对算法的影响,并选取自适应随机算法中测试效果最佳的固定候选集算法在非数值条件下与随机算法比对.结果表明,自适应随机测试受输入域的诸多因素影响,适用性有限,实际测试中对测试效率的提升效果并不明显.

计算机适应性测验条件下认知设计项目预测参数的影响

自动化项目生成(Automatic Item Generation)中的项目参数是基于认知项目设计的刺激特征集预测的,在不确定性来源上较之用经验数据标定的参数更为复杂。文章通过实证研究分析了在计算机适应性测验条件下基于认知设计系统法生成的抽象推理测验(ART)项目预测参数对能力参数估计的精确性。研究表明,项目预测参数比相应标定参数分布更为趋中。这种回归效应既影响到能力参数估计误差大小,也导致适应性测验过程中项目选择的差异。在控制了项目选择差异之后,能力参数估计误差较之基于项目标定参数的能力估计误差大,但差别并不明显。两者相应的能力估计值相关很高,对应能力值之间的差异很小,且几乎贯彻整个能力分布区间。

自适应随机测试运算效率的改进

运用ART算法和使测试用例尽可能均匀地分布在整个输入域中的指导策略,通过减少产生测试用例过程中不必要的距离计算量,解决了算法运算量大的问题,实现了提高ART运行效率的目标。

一种改进的软件自适应随机测试策略

针对自适应随机测试(ART)存在的高维和距离度量问题,提出一种改进的软件自适应随机测试策略。分析ART的局限性,扩展ART的前提假设,基于测试用例特征相似性度量选择最佳的测试用例。实验结果表明,与传统随机测试策略相比,改进策略能更多地触发软件失效,测试效果更优。

基于覆盖率的面向对象软件自适应随机测试方法

针对现有面向对象软件(OOS)自适应随机测试中挑选测试用例的有效性及错误检测率不高的问题,提出了基于覆盖率的面向对象软件自适应随机测试方法.新方法在生成候选测试用例集时考虑了代码覆盖率信息,将语句覆盖率同测试用例差异性信息综合考虑来挑选将执行的测试用例,从而提高错误检测率.给出了覆盖率动态排序监测技术整体框架、预处理模块、程序插桩模块及排序模块;叙述了DTCGOOS-Cov算法.采用ID3Manage,RabbitAndFox,SATM,SchoolManagement,WaveletLibrary以及WindShieldWiper这6个被测类库,将新方法与传统自适应随机测试方法和纯随机测试方法进行了对比试验.结果表明:基于覆盖率的OOS自适应随机测试方法在F_m和E_m这2项指标上要优于其他2种方法.

变概率的随机测试

适应性随机测试是对随机测试低覆盖率和盲目性的一种改进.它的思想是通过尽量地使测试用例均匀地分布在整个测试域范围内,从而提高测试效率.研究显示,相比于常规的随机测试,适应性随机测试能够使用更少的测试用例来发现被测程序的第一个错误.但是,现有的适应性随机测试的实现方案的时间效率不高,在生成测试用例的过程中大量的计算将消耗大量的时间.针对已有适应性随机测试耗时的缺点,提出一种快速的适应性随机测试的实现方法.该方法主要是通过改变输入域空间内不同区域的测试用例生成的概率来实现测试用例的均匀分布.为最大限度地减少时间消耗,该方法每次只计算局部输入域空间内测试用例的生成概率.该方法理论上生成n个测试用例的时间消耗为O(n log n).实验显示,本文提出的方法只需很低的时间消耗就能生成大量的测试用例.

基于失效聚集度改进自适应随机测试算法

对于现有的自适应随机测试(ART)算法针对点状失效模式普遍存在有效性和效率均比随机测试(RT)差的问题,提出一种基于失效聚集度的自适应随机测试(CLART)算法,对传统的ART——固定候选集(FSCS)、区域排除随机测试(RRT)等算法进行改进。首先,根据被测程序的输入域估计主失效聚集度,确定局部搜索区域;然后,在区域内使用传统ART算法生成若干测试用例(TC)进行测试;若未发现错误,重新选择局部区域生成TC;重复这一过程直至发现错误。仿真实验显示在点状失效模式和块状失效模式下CLART算法的有效性比FSCS算法提高约20%,效率比FSCS算法提高约60%。实验结果表明CLART算法利用多个局部区域依次搜索可以快速锁定引发失效输入分布密集高的失效区域,从而提高测试的有效性和效率。