基于变异测试的错误定位研究进展

随着软件规模和复杂度的不断提高，软件的质量问题成为了关注的焦点，如何高效地找出软件中的错误成为一个亟需解决的问题。错误定位是软件质量保证的重要途径之一，近年来已经成为软件工程中一个非常重要的研究课题。基于变异测试的错误定位通过比较原程序和对应变异体的差异来计算每条语句的怀疑度，再由怀疑度大小进行排序，程序员根据排序逐个检查找出错误语句。汇总近7年（2012-2018）国内外的基于变异测试的错误定位技术的研究成果，介绍了错误定位的基本方法，介绍基于变异测试的错误定位思想，从变异算子、变异体及等价变异体3个方面对已有的研究工作进行分类归纳和总结，探讨了基于变异测试的错误定位未来可能的研究方向、机遇和挑战。     

基于UIO序列的类重要性度量

程序理解是测试和维护大规模面向对象程序的关键,选择程序的关键类优先开展分析是理解程序结构的一个有效的方法.为支持自动识别软件系统中的关键类,本文提出了一种基于UIO序列的类重要性度量方法.首先将软件系统抽象为一个以类为转换的有限自动机模型,随后求解该自动机的UIO序列,将该序列集合转化为状态转换树.通过递归计算状态转换树的节点复杂度求得类重要度.并在考虑异常传播的基础上改进了算法.最后通过实验验证了算法的有效性.     

基于对象引用关系的Java程序内存行为分析方法

本文提出一种基于对象引用关系的Java程序内存行为分析方法.与传统的通过内存消耗的大小来确定程序中数据结构的重要性并分析相关内存行为的方法不同,本文方法同时考虑内存消耗和内存支配两个因素来确定一个数据结构在程序内存行为中的重要性,通过研究数据结构之间在内存使用上的支配关系和对数据结构进行引用分析,得到程序中重要的内存行为.实验结果表明该方法能有效地分析程序的内存行为,且对比其它方法能提供更加准确的内存行为分析结果.     

基于子路径扩展的不可达路径检测方法

不可达路径是造成软件测试资源消耗的一个重要方面.在路径测试之前,检测程序中的不可达路径可以有效节约软件测试资源.提出了一种基于子路径扩展的不可达路径静态检测方法.该方法首先生成程序的子路径集,将路径的可达性问题转换为不等式组的求解问题.使用约束求解器判断子路径的可达性,可以分为:可达子路径,不可达子路径和无法判定三个部分,并对后面两部分的子路径扩展出的路径做二次可达性检测,最终获得程序中所有路径的可达性信息.可达性检测工作主要在子路径集上进行,因此有效地解决了路径爆炸问题.实验结果表明本文方法可以准确有效地检测出程序中的不可达路径.     

一种基于耦合度量的类间集成测试序的确定方法

类间测试顺序的确定是类集成测试中难以解决的一个关键问题.类的测试序列不同,构造相应的测试桩需要花费的代价也会不同.每一个测试桩复杂度度量的准确性决定最终打破环路所需构造测试桩的总体复杂度.对于类间测试顺序问题,文章提出一种基于耦合度量的类间集成测试序的确定方法.采用类间耦合度量与基于图的启发式算法相结合的方法,其中,前...     

产胞外多糖乳杆菌的筛选及多糖功能的研究

本论文从大连地区海产品消化腺中筛选产胞外多糖(EPS)的乳杆菌属菌株,并研究其所产EPS的功能特性,选出一株目标菌,对其EPS分离纯化,测定纯化后各多糖组分的相对分子量。获得EPS产量相对较高的菌株经16S r RNA序列测定鉴定为Lactobacillus plantarum subsp.plantarum-4,Lactobacillus plantarum-12,Lactobacillus plantarumsubsp.plantarum-49;对3株植物乳杆菌及其EPS进行清除DPPH自由基的测定,Lactobacillus plantarum-12的EPS浓度为0.5 mg/mL时,清除率为48.82±3.88%,显著高于另外2株菌(p0.05);测定植物乳杆菌的EPS抑制E.coli ATCC25922在HT-29细胞上的粘附效果,Lactobacillus plantarum-12的EPS浓度为0.2mg/mL时,抑制率为78.23%±2.46%,显著高于另外两株菌(p0.05);Lactobacillus plantarum-12的EPS可显著抑制E·coli ATCC25922刺激HT-29细胞产生IL-8(p0.05)。Lactobacillus plantarum-12的EPS经DEAE-Sepharose Fast Flow离子交换柱、Sepharose CL-6B凝胶柱和Sephacryl HR S200凝胶柱层析分离得到两组分,测定两组分的相对分子质量分别为8.5×10~4 u和7.4×10~4 u。     

多路径覆盖测试数据生成适应度函数设计方法

综合考虑影响适应度函数设计的因素,提出一种基于层次分析法的适应度函数设计方法。该方法首先将影响路径之间相似度的因素归结为三要素,并建立层次分析模型。根据不同因素对路径间相似度的作用重要程度不同,建立因素之间两两比较的判断矩阵,确定每个因素的权重系数,进而构造适应度函数。最后,将该方法用于基于遗传算法的多路径覆盖的测试数据生成。实验结果表明,对于解决多路径覆盖的测试数据生成问题,与已有方法相比,该方法具有较好的优越性。     

改进的量子遗传算法及其在测试数据生成中的应用

针对测试数据自动生成中收敛速度不够快的缺点,提出一种改进的量子遗传算法(IQGA),其对量子遗传算法的主要改进是：1)在个体更新时,对个体的某一位取反,将取反后的个体用于指导下一代个体的进化;2)对测量后的二进制个体进行变异,而不是传统的互换量子比特的概率幅。将IQGA用于测试数据生成,通过对三个基础程序进行实验,结果表明IQGA在覆盖率和迭代次数两个方面都优于传统量子遗传算法。IQGA不仅能保证种群朝着正确的方向进化,同时有效地避免了早熟现象,能以更快的速度搜索到目标解。