怀疑度计算公式受偶然正确性影响理论分析

软件错误定位效率可能受诸多因素影响,如测试用例优先级排序、测试用例构成、测试用例覆盖率及偶然正确性测试用例等.主要关注偶然正确性对怀疑度计算公式错误定位效率的影响.为此,提出一个基于函数单调性的理论分析框架来证明30个经典怀疑度计算公式受偶然正确性影响的程度.偶然正确性对怀疑度计算公式影响是有益的理论探索.     

基于错误交互集的组合测试软件故障定位方法

提出了一种基于错误交互集的组合测试软件故障定位方法.根据组合测试数据的执行结果,生成可能的错误交互集,通过对集合中全部交互进行定性分析,以有效的避免不同测试用例覆盖的相同错误交互被重复定位的情况,减少所需附加测试用例的数目.提出了基于错误密度的测试用例分析方法,将已有测试结果作为先验知识,提高错误定位的效率.最后,经过算法效率分析及实验验证,本文算法能够在保证准确定位错误交互的基础上,有效减少所需附加测试用例的数目.     

基于参数-值替换的错误定位方法

现有错误定位方法难以检测程序遗漏错误,提出一种方法层次的基于参数?值替换的错误定位方法。首先将出现在失败执行中的方法作为可疑方法候选集,计算该集合中元素对程序执行结果的影响度,再利用值替换技术计算高影响度方法的兴趣参数?值映射对,然后依据方法是否包含兴趣参数?值映射对对候选集中方法进行分类,并依据其影响度分别进行排序,最后生成一个可疑方法序列进行错误定位。实验结果表明该方法较其他错误定位方法具有更好的定位效果。     

基于关联规则的软件多故障定位技术

为了提高软件故障的定位效率,提出一种基于关联规则的软件多故障定位技术。通过使用聚类方法把失败的测试用例分成针对特定错误的聚类,使用基于交叉表的软件故障定位方法发现软件中的故障,在定位过程中使用关联规则挖掘高可疑代码与软件故障的关系,提高故障定位的效率,最后对Siemens用例集和Tarantula方法进行对比。实验表明基于关联规则的软件多故障定位技术在软件多故障定位方面效率优于Tarantula方法。     

基于复杂软件网络的回归测试用例优先级排序

 测试用例优先级排序技术是一种高效实用的回归测试技术.针对现有排序方法未能有效利用软件结构复杂性信息的不足,提出了一种基于复杂软件网络的回归测试用例优先级排序方法.该方法用加权类依赖网络模型抽象类粒度软件系统,从结构角度测度类引入错误的可能性及错误的严重性,并据此评价类的测试重要性,同时结合测试用例的覆盖信息,对测试用例进行排序.实例研究表明,本文的方法能够显著提高严重错误的发现速率,并且具有较好的稳定性.同时,揭示了方法有效性与软件错误类型和结构度量指标两者间的关系.     

面向有效错误定位的偶然正确性识别方法

错误定位是软件调试中耗时费力的活动之一。针对偶然正确性影响错误定位效率的问题,提出面向错误定位的偶然正确性识别方法。该方法首先识别偶然正确性元素;然后,挑选“偶然正确性特征元素”,使用该特征元素约简程序执行轨迹;在此基础上,建立基于模糊c均值聚类的偶然正确性识别模型,将其结果应用于错误定位。为验证该方法的有效性,基于3组测试程序开展偶然正确性识别,并将其结果应用于Tarantula等4种错误定位方法。实验结果表明,与基于k-means聚类的偶然正确性识别方法相比,该方法在偶然正确性识别方面具有较低的误报率和漏报率,并且更能提高错误定位的效率。     

基于变异的软件错误定位方法研究综述

软件调试横跨整个软件开发周期,而错误定位是软件调试中最困难、最耗时的任务之一.针对软件自动化调试的需求和应用背景,本文介绍了变异分析以及错误定位相关的国内外研究现状,选择了具有较高的错误定位精度的基于变异分析的软件错误定位方法进行研究,并对已有的基于变异分析的软件错误定位方法做出了分析和比较.最后,对未来的研究方向进行了展望.     

基于mRMR算法的learning-to-rank错误定位

基于learning-to-rank技术构建频谱错误定位模型,从而实现高效的程序错误定位是当前的研究热点.然而,针对不同的程序和错误类型,如何生成有效的程序频谱特征集来训练错误定位模型,成为了极具挑战的问题.针对该问题,应用mRMR算法生成程序频谱特征集,提出一种learning-to-rank的错误定位新方法.该方法应用基因编程自动生成备选可疑度公式集,并利用mRMR算法从中选取一组公式子集,该子集中的可疑度公式具有与程序错误高相关且彼此之间低相关的特性.利用此可疑度公式子集结合程序频谱计算特征值输入机器学习算法,从而构造错误定位模型.实验结果表明,新方法不仅能够提高基于learning-to-rank错误定位的效率,也优于Naish1、Tarantula等传统SBFL方法.     

针对软件可靠性测试的测试用例集精简方法

在软件可靠性测试中,随着测试输入数或操作数的增加,测试成本会大大增加。就此提出了一种针对软件可靠性测试的测试用例集精简算法,该算法先用正交试验设计法生成最初的测试用例集,然后用基于测试需求集的约简方法进行约简,生成最终的测试用例集,来进行软件可靠性测试。实例表明,该方法简化了测试用例集,从而大大降低软件可靠性测试代价。     

测试用例自动生成方法的现状及研究

软件测试数据生成在软件系统开发费用中占很大比重。如果该过程能自动实现,则会极大地减少软件开发的周期和费用。测试用例的生成工作包含选定被测任务、分析输入数据、确定其取值并分析对应的输出数据。其中分析对应的输出数据是决定测试是否成功的关键环节。测试用例选取的一个中心原则,就是以用最少的测试用例找到尽可能多的错误。目前的工具尚不能完成自动生成测试用例这个环节,往往是只能采用人工选取的方法。按所采用的方法和研究对象的不同,将测试用例自动生成方法主要分为5类:基于有限状态集的测试,基于标注的转换系统的测试,针对面向模型的需求规格说明的测试,针对面向对象软件的测试,以及运用模型检查生成测试用例的方法。在简单介绍前4种方法之后,重点对模型检查的方法进行详细的分析和探讨。