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.     

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.     

An intelligent data mining system for drop test analysis ofelectronic products

Drop testing is one common method for systematically determining the reliability of portable electronic products under actual usage conditions. The process of drop testing, interpreting results, and implementing design improvements is knowledge-intensive and time-consuming, and requires a great many decisions and judgments on the part of the human designer. To decrease design cycles and, thereby, the time to market for new products, it is important to have a method for quickly and efficiently analyzing drop test results, predicting the effects of design changes, and determining the best design parameters. Recent advances in data mining have provided techniques for automatically discovering underlying knowledge from large amounts of experimental data. In this paper, an intelligent data mining system named decision tree expert (DTE) is presented and applied to drop testing analysis. The rule induction method in DTE is based on the C4.5 algorithm. In our preliminary experiments, concise and accurate conceptual design rules were successfully generated from drop test data after incorporation of domain knowledge from human experts. The data mining approach is a flexible one that can be applied to a number of complex design and manufacturing processes to reduce costs and improve productivity     

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。     

基于源码模式挖掘的软件辅助开发技术研究

由于软件代码的复杂性,对于不了解框架的新手,很难利用开源社区中的代码来开发软件。因此,利用数据挖掘技术挖掘现有代码中的编程模式成为研究热点。文中介绍了频繁项挖掘Apriori算法,并提出了基于源码模式的软件辅助开发方法。它能够根据用户输入的关键字来智能匹配类库中的特定父类,挖掘基于此父类的编程模式,给出优先要重写的方法以及关联规则。实验结果表明,新手可以利用这些编码建议,快速学习一个新的框架,提高开发效率。     

面向船舶软件的仿真测试平台研究

随着现代科学技术的迅猛发展,嵌入式软件黑盒测试领域更加完善,软件仿真测试便是其中的一种.本文特意针对船舶软件的仿真测试问题,分析舰船在作战指挥控制的系统中的交联环境,探讨了仿真测试的管理技术;并且设计将测试实验模型转化为XML文件并深刻解析运行方法,实现测试平台的智能执行;建立测试数据的智能收集和分析模式,并且开发了船舶嵌入式软件的仿真测试系统,明显地提高了船舶的测试效率和测试的科学性、准确度.     

嵌入式软件功能路径测试用例自动生成研究

根据嵌入式软件的结构特点尝试了一种适合于嵌入式软件测试实际的功能路径测试方法.通过分析功能路径上的结点谓词和功能约束条件,用一种简洁、快速的算法建立和求解输入变量的约束系统,生成功能路径测试用例.实践证明,该测试用例可同时测试嵌入式软件的功能和结构,测试效率高、生成代价低且测试较为全面,能有效降低嵌入式软件开发、测试和维护的成本.     

移动网无线信号场强预测软件的研发

介绍了移动网无线信号场强预测软件研发的目的、目标、方法及其应用。研发的目的主要是开发出适用于900MHz移动通信网无线信号场强预测的算法及用于实际网络优化的应用软件。在研发的过程中，借鉴了神经网络的原理，形成了基于路测的自适应场强预测算法，并以GIS为手段，面向应用开发软件平台，总结出了无线信号场强预测的算法，研发出了用于无线网络优化的应用软件。     

一种集成电路测试流程分级动态调整方法

针对集成电路测试过程中测试时间长,影响测试效率的问题,提出了一种集成电路测试流程分级动态调整方法.通过统计样本集成电路中每种测试类型和每条测试向量的测试故障率来建立贝叶斯概率模型,根据其命中故障点的概率高低分级调整它们的加载顺序.随着测试的进行,不断收集测试数据,动态更新测试类型和测试向量的测试故障率,同步调整测试类型以及测试向量的加载顺序.实验表明,使用动态调整后的测试流程可以更早的发现故障电路,显著减少故障电路的测试时间,提高测试效率.本算法是完全基于软件的,不需要增加硬件开销,可以相容于传统的集成电路测试流程.     

用遗传算法进行软件的快速故障定位

文章提出了一种软件的故障定位方法,该方法利用硬件的故障定位法结合遗传算法理论能够帮助测试人员在较短时间内完成软件的故障定位。     

一种基于哈夫曼树的最大频繁序列挖掘算法

最大频繁序列挖掘是数据挖掘的重要内容之一.在深入分析频繁序列特点以及已有序列挖掘算法的基础上,提出一种新的最大序列挖掘算法Huffman-MaxSeq.与传统的"候选最大频繁序列集生成——测试"思路不同,该算法采用"边生成候选序列边测试"的思想,从而有效地减少了候选序列的生成.该算法基于构造哈夫曼树(最优树)的方法,对每个序列赋予权值,按权值的大小选取序列,连接生成新的候选频繁序列,再产生最大频繁序列.     

关键字驱动的自动化测试框架设计与实现

为了提高软件自动化测试脚本的可复用性,本文提出了一种基于关键字驱动的自动化测试框架。框架以关键字驱动思想为核心,在设计自动化测试平台的过程中实现了测试逻辑、测试脚本和测试数据的分离,仅通过对控制文件的修改就可以实现相应测试,同时,测试脚本不关心测试用例,测试的数据和业务逻辑都集成在测试数据表格之中,测试的设计就简化为测试数据表格的设计,最大程度地减少了相互之间的影响。进一步把测试工程师从繁琐的重复性劳动中解放出来,为软件产品提供更为高效的、精准的测试,提高产品的竞争力。     

Multi-objective test case prioritization based on multi-population cooperative particle swarm optimization

Test case prioritization (TCP) technique is an efficient approach to improve regression testing activities. With the continuous improvement of industrial testing requirements, traditional single-objective TCP is limited greatly, and multi-objective test case prioritization (MOTCP) technique becomes one of the hot topics in the field of software testing in recent years. Considering the problems of traditional genetic algorithm (GA) and swarm intelligence algorithm in solving MOTCP problems, such as falling into local optimum quickly and weak stability of the algorithm, a MOTCP algorithm based on multi-population cooperative particle swarm optimization (MPPSO) was proposed in this paper. Empirical studies were conducted to study the influence of iteration times on the proposed MOTCP algorithm, and compare the performances of MOTCP based on single-population particle swarm optimization (PSO) and MOTCP based on non-dominated sorting genetic algorithm II (NSGA-II) with the MOTCP algorithm proposed in this paper. The results of experiments show that the test case prioritization algorithm based on MPPSO has stronger global optimization ability, is not easy to fall into local optimum, and can solve the MOTCP problem better than test case prioritization algorithm based on the single-population PSO and NSGA-II.     

关于椭圆曲线素性证明

文章给出了由Atkin提出的一种非常有效的素性测试方法即椭圆曲线素性证明算法,详细讨论了具体实施该算法的所有细节,而且通过在计算机上编程获得了其软件实现,并用该软件来测试一般的大整数的素性,取得了很好的效果。为了清晰地展示该算法的过程,文章在最后给出了一个详细的算例。     

基于决策树的软件可靠性模型选择

软件可靠性建模是软件可靠性评估的主要方法之一。现在还没有一个可适用于所有软件项目的通用模型,所以可靠性模型的选择已成为一个重要的研究方向。决策树是数据挖掘的一种算法。文中首先介绍数据挖掘与软件可靠性模型选择的结合应用概念,然后重点分析决策树的生成算法。最后以一组数据仿真决策树生成过程,并验证此方法的可行性和准确性。     

用Delphi实现快速删除TList的批连续结点算法的探讨

在编制遥测数据处理软件的过程中，面对大量的测试数据，经常需要编写高效率的数据过滤器。本文讨论了一种通过采用跨单元、跨类访问Delphi类的私有域的方法实现快速删除TList批连续结点的新算法，并通过测试结果得到验证。     

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。     

一种安全事件模糊关联规则挖掘算法

随着信息技术和数据库技术的飞速发展,从大量的数据中获取有用的信息和知识变得越来越重要。模糊关联规则挖掘是数据挖掘中针对数量型属性关联规则发现的一种有效方法。提出了一种基于矩阵的模糊关联规则挖掘算法,并将其应用于网络安全事件关联分析中,通过对DARPA标准数据集的分析,得出了预期数量的关联规则,并成功验证了某些攻击场景,该模糊关联规则挖掘算法取得了较好的实验结果。     

基于电力营销聚类分析的数据挖掘算法研究

为提高数据挖掘算法的挖掘速度,同时提高其精准度,提出基于电力营销聚类分析数据挖掘算法研究。首先运用聚类算法筛选数据,再计算数据结构和相异度矩阵相异度,得出最接近的类距离。完成上述步骤后,在聚类分析框架下,设计聚类分析数据挖掘算法流程。先输入数据,再设计数据挖掘算法基本策略,最后提出SLIO算法处理离散字段,得到有价值的数据信息。由此,完成基于电力营销聚类分析的数据挖掘算法设计。实验结果表明,与基于支持度-置信度-提升度的配网自动化系统数据挖掘算法和基于神经网络和粒子群优化的数据挖掘算法相比,文中基于电力营销聚类分析的数据挖掘算法的挖掘速度稳定,挖掘效果更好。同时测试精准度较高,可有效提高数据挖掘的可信度。     

基于UML模型和OCL约束的类间交互测试用例生成方法研究

 面向对象所具有的类、封装、继承、动态连接等特性,使得面向对象测试步骤的划分以及测试策略的选择有别于传统的测试思想.本文针对面向对象软件的特点,采用基于模型的软件测试方法,对UML(United Model Language)设计模型中的顺序图添加OCL(Object Constraints Language)约束,做类间交互的软件测试.本文提出执行图EG生成算法,将顺序图SD转换为执行图EG,解决UML2.0顺序图新增特性中的alt、loop、opt、break四种常见组合片段及其嵌套和多态性问题;为得到最小完备的测试路径,本文提出了EG的遍历策略和测试路径生成算法;最后,根据测试路径确定测试场景,并删除无效场景,生成测试用例.经实验验证,此方法可以基于UML顺序图与OCL约束进行系统地测试.