基于BPEL的Web服务组合测试路径生成

为更好地对服务组合展开测试,提出一种基于BPEL的Web服务组合测试路径的生成方法.首先对BPEL流程进行建模,以一种可扩展的控制流程图作为描述BPEL过程的形式模型.在此基础上,采用扩展后的数据流分析方法对所得控制流图进行分析,产生满足既定测试标准的测试路径.最后通过一个服务组合实例来说明模型及算法的有效性.解决了服务组合测试路径的自动生成并保证了测试的充分性.

基于强化学习的Web服务众测任务分派方法

如何将众包测试任务分派给合适的众测工人,以较低的成本获得更好的测试结果,是一个重要问题。文中将CWS众测任务分派问题建模为一个基于马尔可夫决策过程的问题,且使用Deep Q Network进行学习和实时在线测试任务分派。该基于强化学习的方法被命名为WTA-C。此外,文中根据众测工人执行任务的历史时间,通过统计条件概率计算测试工人在任务期限内完成任务的概率,将其作为工人信誉值来反映工人质量,并在每次分派完成后对工人信誉值进行更新。实验结果显示,WTA-C在控制测试任务的“质量-成本”权衡和保证工人可靠度方面优于其他基于启发式策略的实时分派方法,并在分派效果上高于各启发式策略18%以上,从而证明了其可以更好地适应CWS的结构和众测环境的特点。