基于遗传算法的路径测试用例的自动生成探讨

在软件开发中进行软件测试是为了保证软件质量和可靠性。软件测试中测试数据合理设计很关键。如何优化测试数据,自动生成测试数据是人们一直研究的问题,本文针对测试用例的自动化生成进行了深入的研究,在分析遗传算法的基础上,设计了一个基于遗传算法的测试用例自动生成系统,仿真实践表明,本文设计的系统能够准确地自动生成满足指定路径的测试用例。具有很好的适应性,对程序路径是否被覆盖能智能判断,对不能完全覆盖的程序路径将给出最优解。     

基于否定选择遗传算法的路径覆盖测试数据生成

路径覆盖是软件测试领域重要的测试方法之一.在搜索空间中,找到一组测试数据满足路径覆盖是一个具有挑战性的问题.因此,自动生成测试数据是软件测试的关键问题.文中提出一种基于否定选择遗传算法的路径覆盖测试数据生成方法,将否定选择策略融入遗传算法,动态优化遗传算法的种群数据,自动生成覆盖目标路径的测试数据.多个基准程序和工业程序的实验结果表明,与随机方法和遗传算法比较,文中方法能够提高路径覆盖率,减少冗余测试数据的生成.     

基于改进遗传算法的测试用例生成

在软件测试中,测试用例生成是软件测试中的关键技术问题,对于软件测试的自动化有着重要影响。为了提高测试用例生成的效率,文中提出了一种用于测试用例生成的改进算法。该算法引入了自适应算子和禁忌搜索思想,将自适应遗传算法和禁忌搜索有机结合,充分发挥遗传算法的全局搜索和禁忌搜索算法局部搜索优势,提高了测试数据的生成能力。实验结果表明,该算法在测试数据自动生成的效率和有效性方面,均优于自适应遗传算法。     

软件测试数据自动生成方法研究

在对软件进行测试中,生成测试用例是一个工作量巨大的工作,若是依靠手工方式生成测试数据则极有可能出现错误.为了保证测试的充分性,测试用例的有效性,本文研究了如何进行测试数据的自动生成,提出了基于遗传算法的软件测试数据的生成方法.本方法利用遗传算法实现测试数据的自动化生成,并在生成的过程中并对测试数据进行测试,解决了路径覆盖的测试.     

改进的遗传算法及其在测试数据自动生成中的应用

传统遗传算法在测试数据生成方面是一种实用的算法,但是其自身存在局限性,如过早收敛、优化效率低等。本文对遗传算法的自改进、与其他智能优化算法的混合改进方法以及改进后的算法在测试数据自动生成方面的能力的国内外研究现状进行了系统的研究与讨论,最后分析了相关算法改进的实质。     

基于LSGA的最小测试用例集自动生成

测试数据的生成是一个复杂的问题且其技术和方法还不成熟.根据实现语句覆盖的测试目标,提出了最大稳定遗传算法（LSGA）.该算法充分考虑了遗传算法的稳定性并在构造适应度函数和路径编号时提出了＂邻近者优先＂原则和＂就近路径编号＂原则.这个算法可以生成满足测试目标的最小用例集且其性能明显优于遗传算法.     

基于蚁群算法的多路径覆盖测试数据生成

为了提高多路径覆盖测试数据的生成效率,研究了一种基于蚁群算法的多路径覆盖测试数据生成方法.首先给出蚁群算法的一种改进方法,该算法以蚂蚁对生成测试数据的重要性作为蚂蚁状态转移和蚂蚁路径变异的依据,以引导更多蚂蚁穿越小概率节点,提高测试数据生成效率.其次,根据改进的蚁群算法分别提出了基于单信息素表和多信息素表的多路径覆盖测试数据生成方法.在基于多信息素表的方法中,每条目标路径的信息素表均被用于其它路径测试数据的求解,而且蚁群算法运行一次即可求解多条目标路径的覆盖测试数据.最后对所提出方法的有效性和复杂度进行了理论分析.实验结果表明,与其它方法相比,基于多信息素表的测试数据生成方法能够有效地生成多路径覆盖测试数据.     

基于遗传算法的UML活动图测试用例优化研究

测试用例的选择在软件测试中十分重要,良好的测试用例可以减少时间和资源的使用,因此提出了一种基于遗传算法的UML活动图自动生成测试用例的算法。通过建立UML活动图模型,将活动图转换为有向图,然后采用深度优先搜索方法获得测试路径,应用遗传算法优化得到测试路径。该算法可以提供优先需要测试的路径,用于自动生成高质量的测试用例,提高测试任务的工作效率。     

基于回溯与引导的关键代码区域覆盖的二进制程序测试技术研究

基于路径覆盖的测试方法是软件测试中比较重要的一种测试方法,但程序的路径数量往往呈指数增长,对程序的每一条路径都进行测试覆盖基本上是不可能的。从软件安全测试的观点看,更关心程序中的关键代码区域(调用危险函数的语句、圈复杂度高的函数、循环写内存的代码片断)的执行情况。该文提出了覆盖关键代码区域的测试数据自动生成方法,该方法基于二进制程序,不依赖于源码。通过回溯路径获取所有可达关键代码区域的程序路径,并通过路径引导自动为获得的路径生成相应的测试数据。路径引导策略基于程序的符号执行与实际执行,逐步调整输入,使用约束求解器生成相应的测试用例。理论分析与实验结果显示该文给出的方法可以降低生成测试数据所需要的运行次数,与传统的覆盖路径测试数据生成方法相比,所需要的运行次数显著降低,提高了生成测试数据的效率。     

一种面向程序动态分析的循环摘要生成方法

动态测试数据生成方法相对于传统Fuzz测试方法能有效的提高软件测试与漏洞分析的效率.本文针对动态测试数据生成过程中对循环进行处理时的路径覆盖效率较低与约束求解困难的问题,提出了一种使用归纳变量构建循环摘要,并通过符号计算提取循环摘要的方法.本文通过将循环摘要应用于软件动态分析过程中,验证了使用循环摘要能有效的提高约束求解与循环路径遍历的效率.     

基于路径自动分割的测试数据生成方法

为了提高路径覆盖测试数据生成效率,研究了路径自动分割方法并结合人工鱼群算法提出了一种路径覆盖测试数据生成方法.首先在分析变量与节点关系、变量与路径关系的基础上提出了路径分割的自动判定及分离算法,实现了变量对子路径有无影响的自动判定;其次引入Levy飞行策略和共轭梯度法对人工鱼群算法进行了改进;然后结合路径分离的结果和改进的人工鱼群算法实现路径覆盖测试数据的生成.在利用人工鱼生成测试数据的过程中,判断是否有人工鱼穿越分离的子路径.如果有,则记录人工鱼中穿越子路径相应的分量并在人工鱼的觅食、聚群及追尾等行为中固定这些分量,从而使得搜索空间不断减少.最后将提出的方法实现程序的测试数据生成,并与相关方法进行了比较.实验结果表明,本文方法在时间开销、成功率及算法稳定性等方面均具有优越性.     

一种新的多路径覆盖测试数据进化生成方法

 提出一种新的用于多路径覆盖的测试数据生成方法.首先,将被测程序表示成一棵二叉树,对目标路径采用赫夫曼编码方法表示成二进制串;然后,采用遗传算法生成多个测试数据,设计的适应度函数综合考虑个体穿越的路径与每个目标路径的匹配程度.将提出的方法用于4个基准程序的路径覆盖测试数据生成,并与已有方法比较,结果表明本文方法计算量小,生成测试数据效率高.     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

基于遗传算法的测试用例自动生成方法研究

软件测试是保证软件质量的一种有效手段,然而业内目前仍以人工测试为主。为了提高软件测试的自动化程度和测试效率,文章主要对软件测试用例的自动生成方法进行研究。在文章中以遗传算法为基本原理,论述了改进的"双种群自适应遗传算法"。该算法对发现种群的选择策略进行了优化,使软件测试过程趋于自动化,以缩短软件的开发周期。     

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。     

基于路径比较的变异测试方法

 提出基于路径比较的变异测试方法.首先,通过比较穿越路径判定变异体是否被杀死;然后,建立基于路径覆盖的变异测试数据生成模型,该模型把杀死变异体作为目标,把满足特定路径覆盖作为约束;最后,采用遗传算法求解该模型.将本文方法应用于典型被测程序,结果表明,该方法可以降低变异测试的难度,并提高测试数据的生成效率.     

进化计算算法在路径优化中的应用

笔者主要想要研究优化领域中和路径优化相关的问题。在研究路径优化问题时,主要运用的优化算法是遗传算法。该算法在进化计算中,是应用范围最广的,和其他的算法相比,遗传算法更有优势。笔者针对遗传算法存在的问题对遗传算法进行了修改,提出了一些优化遗传算法的建议,并在实际运用中证明了通过优化,遗传算法可以更好的解决优化路径问题。     

基于一种混合遗传算法的移动机器人路径规划

移动机器人路径规划问题一直是机器人学研究的核心内容之一,而遗传算法作为智能仿生学算法在路径规划中得到了广泛的应用。针对传统遗传算法存在局部搜索能力差的问题,文中研究在已知环境下运用一种基于遗传算法和模拟退火算法相结合的技术对移动机器人进行最优路径的规划方法。算法采用栅格法对环境建立模型,同时在遗传算子中添加插入算子和删除算子以优化路径。Matlab仿真实验结果表明,该算法相对于基本遗传算法的收敛速度,搜索质量等有了明显的提高。     

构件集成软件测试用例生成智能算法分析

构件集成软件测试用例生成是测试中的重要的难题之一.提出了构件集成软件的结构树路径覆盖准则,研究智能算法的参数编码设计、适应度函数的构造、关键算子的设定.以三角形分类判断的构件集成软件为例仿真实验,重点从覆盖率、收敛情况、测试用例数目等方面对各智能算法进行比较分析.结果表明,融合的遗传算法与蚂蚁算法与其他算法相比有一定优势.     

一种基于数据流准则的测试数据自动生成算法

提出了一种基于数据流准则的测试数据自动生成的算法。该算法采用ALL-DU—PATHS覆盖准则．应用Warshall算法来计算判定DU对的可行可测性，通过优化选取覆盖DU对的测试序列，给出了基于测试序列的测试数据自动生成的方法，最后通过实例和实验进行了验证。