分支测试中测试路径用例的简化生成方法

结构性测试是对过程式和面向对象程序都非常有效的测试方法，分支覆盖准则被实践证明是其中性价比最高的一种策略．通过深入研究DD图的性质并分析FTPS算法的不足，提出了一种简便、快捷和适合于大规模程序的非约束边集近似求解算法Find_SemiUE；还给出了基于正（逆）向广度（深度）生成树的分支测试路径用例集的简化生成算法Generate_PathSet，该算法在时间和空间开销上较FTPS算法均有较大提高．此外，所证明的关于DD图的结论也值得借鉴用于该图的更深一步研究．     

基于EE-CSPE约束的并发程序测试

由于执行的不确定性,并发程序的测试需要验证程序执行的事件序列.定义事件之间的约束是验证事件序列合法性的前提.本文提出了一种事件约束的形式化描述方法,扩充了E-CSPE（extended constraints on succeeding and preceding events）对事件排斥约束和后决约束的定义,更全面地描述了前后事件的依赖关系,并给出了基于此方法的确定性测试和非确定性测试规则.     

基于依赖性分析的回归测试用例选择

在面向对象程序功能性测试中,扩展有限状态自动机(ESFM)是一种有效的建模袁示方式.本文主要探讨面向对象程序回归测试中的用例选择技术,对程序对应的EFSM模型进行数据依赖和控制依赖分析,确定程序中修改部分的波及影响,再进行测试用例的选择.     

面向对象簇级测试中类间测试序确定方法研究

通过对传统的对象关系图进行扩展，提出了EORD图和WORD图的概念．在确定类间测试序时，把需要生成的存根数目作为优化目标，还定义了联系强度、成环权重、边向因子等启发式规则，并将此作为剪去关联边破除环路的重要准则．分析目前已有算法的优缺点，提出了我们的确定类间测试序的AICTO算法．该算法首先着重处理环偶对中的关联边，较大地提高了算法效率，还具有创建存根时涉及到的类的数目少、能保留关联强度大的边和稳定性好等优点，并在原型系统CppTest中进行了实现．     

基于依赖性分析的回归测试用例选择

在面向对象程序功能性测试中,扩展有限状态自动机(ESFM)是一种有效的建模表示方式。本文主要探讨面向对象程序回归测试中的用例选择技术,对程序对应的EFSM模型进行数据依赖和控制依赖分析,确定程序中修改部分的波及影响,再进行测试用例的选择。     

数据挖掘技术在软件工程中的应用综述

随着软件系统的规模和复杂性日益增长,软件开发已经演变成一项复杂的系统工程.软件工程中的对象、活动和过程更加难以控制和管理,因此该领域原有的经验直觉型的处理模式已经不能适应新的需求,而数据挖掘技术的引入为实现知识智能型软件工程提供了重要契机.以软件工程领域中的数据对象为主线,对在程序代码分析、故障检测、软件项目管理、开源软件开发等软件活动中所运用到的数据挖掘技术进行了系统的介绍和归纳,并在每一环节作了方法间的优劣性对比分析.最后还指出了若干值得进一步研究的方向.     

构件软件变更风险分析技术

构件软件相较于传统软件系统有更快的演化速度,对其变更进行有效的度量将有利于后期的维护活动.本文分别针对代码可见及不可见两种类型的构件,运用改进的构件依赖图建模,表示构件软件系统.分两步分析构件变更所带来的风险:首先在计算变更比例的基础上度量单个构件的变更风险,再通过将构件依赖图转化成构件依赖树来计算变更的构件集给系统所带来的风险.此外,结合实例系统的分析给出了所提出的变更风险度量的若干性质.     

基于时间戳的并行实时事务调度策略

传统并行事务处理方法不适用于实时数据库，对几种相关事务调度策略进行比较，提出一种基于时间戳的并行实时事务调度策略TS-PRTTS(Timestamp based Parallel Real-Time Transaction Scheduling)，采用M／G／1队列模型，利用时间戳控制子事务同步．实验证明，该策略能较好协调同步控制与通信代价矛盾，在系统负荷较重以及数据倾斜、访问倾斜问题较突出时具有良好的性能。     

构件软件测试技术研究进展

软构件技术提供了一种较面向对象方法更为有效的软件设计模式，构件软件被广泛应用并成为一种主流软件形态．然而，构件的内部信息屏蔽、演变速度快以及构件间的异质、松耦合等特点给构件软件系统的测试带来极大的挑战，寻求高效的构件软件测试技术和开发实用的测试工具是当今软件业界一个亟待解决的课题．分析和归纳近年来一些典型的构件、构件软件测试方法和技术并对当前较为有效的测试框架和工具进行总结；最后，对其今后若干研究方向进行了展望．     

基于粒子群优化的测试数据生成及其实证分析

运用元启发式搜索进行结构性测试数据生成已经被证实是一种有效的方法.在讨论基于搜索的测试数据生成基本框架的基础上,以分支覆盖作为测试覆盖准则,给出了基于粒子群优化(particle swarm optimization,PSO)的测试数据生成算法,并通过分析分支谓词的结构特征提出了一种新的适应函数构造形式.在此基础上,针对一些公开的程序集开展对比性实验分析,证实粒子群优化算法在平均覆盖率、全覆盖成功率、平均收敛代数和搜索时间4项指标上均要优于遗传算法和模拟退火算法.同时,编程实现了4种典型的PSO变体算法并进行测试数据生成效果的实证分析,结果表明:基本PSO是解决测试数据生成问题的首选算法,而综合学习式PSO算法的表现则相对较差.