基于SPEA2+SDE算法的测试用例自动生成技术研究

软件测试是确保软件质量的重要手段。然而随着软件结构和功能的日益多样化,软件测试的复杂度和成本大为提高。测试用例自动生成技术可以降低手工测试的高额成本,同时提高测试结果的可信度。主要研究了基于进化算法的测试用例自动生成技术,通过比较不同算法对于若干经典程序的测试用例生成效率,提出了SPEA2+SDE算法,其可以很好地用于测试用例的自动生成。最后通过Kruskal-Wallis非参数检验,说明了上述结论的广泛性和可靠性。     

基于LoadRunner自动化应用程序接口的舰船装备软件测试系统设计与实现

针对舰船装备软件接口交互信息量大,利用现有动态测试技术对此类软件开展测试工作时效率较低,自动化测试水平亟待提高的现状,归纳分析了舰船装备软件测试系统的主要能力需求,研究了接口协议形式化、测试用例自动生成、测试用例自动驱动、通信接口转换等关键技术,并以上述技术为基础给出了舰船装备软件测试系统的体系架构设计方案,进而实现了一种基于LoadRunner自动化应用程序接口(LoadRunner Automation API)的舰船装备软件测试系统,为舰船装备软件提供了一种可行的自动化测试手段;该测试系统主要包括测试管理模块、测试用例生成模块、测试用例驱动模块和数据收集与分析模块;采用该测试系统能够有效提高舰船装备软件的测试效率。     

用于GUI软件的测试工具

为提高GUI软件测试的效率、降低软件成本,提出一种针对GUI软件的测试工具.该工具由测试配置设定模块、测试用例设计模块和测试用例执行模块组成.首先根据测试需求进行测试配置设定生成INI文件,然后根据INI文件内容将测试对象窗体中需要测试的控件及属性设定到测试用例设计界面中,在界面中进行测试用例设计,并将设计数据保存到XML文件中,测试用例执行模块通过读取XML文件中的数据完成测试用例的自动执行,同时进行测试结果判断,最后生成测试报告.测试人员只需输入数据,不用编写测试脚就能实现测试用例的自动执行,能减轻测试人员负担,提高软件测试效率.     

基于测试需求集的测试用例集极小化算法

测试用例集约简技术是生成最小测试用例集,最大限度地对软件进行科学有效的测试,从而降低软件测试的成本、提高测试效率的关键技术之一.结合国内外几种算法的策略的基础上,提出了一种基于测试需求集的最小测试用例集的生成方法,该方法能够保证得到优化代表集.     

基于测试需求集的测试用例集极小化算法

测试用例集约简技术是生成最小测试用例集，最大限度地对软件进行科学有效的测试，从而降低软件测试的成本、提高测试效率的关键技术之一、结合国内外几种算法的策略的基础上，提出了一种基于测试需求集的最小测试用例集的生成方法，该方法能够保证得到优化代表集。     

基于退火免疫遗传算法的测试用例生成研究

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段.提出了一种应用于软件测试中的基于退火免疫遗传算法(AIGA)的测试用例自动生成算法,介绍了AIGA测试用例生成模型和AIGA算法的基本思想.算法融合了模拟退火算法和免疫算法在避免陷入局部最优和保持种群多样性方面的优势,克服遗传算法局部搜索能力差及其早熟现象和模拟退火算法全局搜索能力差、效率不高的问题.实验结果表明,算法在测试用例自动生成的效率和效果方面.优于传统遗传算法.     

并发软件适应性随机测试方法

测试用例选择是软件测试中的关键问题之一.目前,测试用例选择在并发软件测试方面鲜有涉及.以多线程并发程序为研究对象,提出面向并发软件的适应性随机测试方法,通过优化测试用例选择,来提高并发软件测试的效率和错误发现能力.根据实验结果,我们提出的并发软件适应性随机测试方法比随机测试方法的测试效率更高,错误发现能力也更强.     

基于二叉树满足MC/DC测试用例设计方法

软件测试是保证软件质量的有效方法,但测试工作过程繁琐,工作量较多。探索高效、可靠的测试用例设计方法一直是大家追求的目标,随着航空航天产品逻辑复杂性的提高及软件规模的日益增大,这种要求也变得更加迫切。依据MC/DC设计的测试用例既提高了测试用例设计的效率又增加了测试覆盖率,比较适合测试逻辑关系相对复杂的软件。当前的很多软件测试工具提供了软件测试覆盖率的判定功能,可以评定设计出的测试用例是否满足MC/DC的要求,而软件测试人员需要的是逆向的过程,论文提出应用唯一原因法和屏蔽法原理设计测试用例,可达到根据逻辑关系自动生成满足MC/DC要求测试用例的目的,提高了测试用例设计的效率。     

探究关于测试需求集的测试用例集极小化方法

软件测试是软件生产厂商在软件开发过程中非常重要的一个阶段。本文围绕着测试用例集约简技术展开研究。首先阐述了测试用例集的约简技术的含义与作用,分析了测试用例集的约简技术能够降低软件测试成本以及提高软件测试效率的方法。本文结合几种常用的测试用例集的约简技术,提出一种关于测试需求集的测试用例集极小化方法,该方法基于测试需求集的最小测试用例集的形成算法,从而得到优化的代表测试用例集,为测试用例集约简技术提供很好的理论基础和测试技术的依据。     

嵌入式软件运行剖面建模及测试用例生成

软件运行剖面定量描述软件的使用方式,可以为软件测试提供一个定量的依据,从运行剖面出发可以自动生成测试用例,对提高软件测试的效率与正确性具有很重要的意义.本文给出了一个工程应用中构造嵌入式软件运行剖面以及从剖面生成测试用例的方法.     

Random Forests

Random forests are a combination of tree predictors such that each tree depends on the values of a random vector sampled independently and with the same distribution for all trees in the forest. The generalization error for forests converges a.s. to a limit as the number of trees in the forest becomes large. The generalization error of a forest of tree classifiers depends on the strength of the individual trees in the forest and the correlation between them. Using a random selection of features to split each node yields error rates that compare favorably to Adaboost (Y. Freund & R. Schapire, Machine Learning: Proceedings of the Thirteenth International conference, ***, 148–156), but are more robust with respect to noise. Internal estimates monitor error, strength, and correlation and these are used to show the response to increasing the number of features used in the splitting. Internal estimates are also used to measure variable importance. These ideas are also applicable to regression.     

非平稳随机激励下太阳能帆板随机振动分析

研究非平稳随机激励下航天器太阳能帆板结构的随机振动优化问题,由于太阳风、火箭发动机、空间碎片等因素影响,造成太阳能帆板所受激励带有了随机性,即非平稳随机激励.为太阳能帆板结构建立有限元模型,给出帆板模型的动力方程.仿真航天器发动机运行情况,给出太阳能帆板所受非平稳随机激励,结合虚拟激励法,将构造成虚拟激励,引入结构动力方程.采用改进随机振动分析方法,计算太阳能帆板结构随机动力响应.通过与蒙特卡罗法计算结果对比,验证了本文方法的高效性和精确性.计算结果表明,太阳能帆板在随机激励作用结束后,结构振动仍持续较长时间,且振动幅值较大,通过加强帆板之间铰链的刚度,能有效抑制太阳能帆板振动,为太阳能帆板结构分析和设计提供参考.     

Uplift Random Forests

Conventional supervised statistical learning models aim to achieve high accuracy in predicting the value of an outcome measure based on a number of input measures. However, in many applications, some type of action is randomized on the observational units. This is the case, for example, in treatment/control settings, such as those usually encountered in marketing and clinical trial applications. In these situations, we may not necessarily be interested in predicting the outcome itself, but in estimating the expected change in the outcome as a result of the action. This is precisely the idea behind uplift models, which, despite their many practical applications, have received little attention in the literature. In this article, we extend the state-of-the-art research in this area by proposing a new approach based on Random Forests. We perform carefully designed experiments using simple simulation models to illustrate some of the properties of the proposed method. In addition, we present evidence on a dataset pertaining to a large Canadian insurer on a customer retention case. The results confirm the effectiveness of the proposed method and show favorable performance relative to other existing uplift modeling approaches.     

Parameterized Random Complexity

The classes W[P] and W[1] are parameterized analogues of NP in that they can be characterized by machines with restricted existential nondeterminism. These machine characterizations give rise to two natural notions of parameterized randomized algorithms that we call W[P]-randomization and W[1]-randomization. This paper develops the corresponding theory.     

Random Sphere Packing

We study probabilistic characteristics of random packings of a Euclidean space. The paper was initiated by [1], where typical properties of random lattices and random packings of a Euclidean space were studied. We use other (simpler and more precise) ways to obtain estimates on parameters that characterize random packings and consider the possibility of extending the results to L-packings.