软件可靠性评估的重要抽样方法

基于统计测试的马尔可夫使用模型对软件可靠性评估提出了一种有效的估计方法.该方法利用重要抽样技术在保证可靠性估计无偏性的条件下,利用交叉熵度量操作剖面与零方差抽样分布之间的差异,通过启发式迭代过程调整各个状态之间的转移概率来修正测试剖面.从理论上证明了利用修正测试剖面测试估计的可靠性是方差为0的无偏估计.最后给出了软件可靠性估计的最优测试剖面生成的启发式迭代算法.仿真结果表明,该方法与模拟退火算法相比,能够明显降低估计的方差,在提高估计精度的同时加快统计测试速度.     

基于混合测试的软件可靠性加速测试方法研究

为提高软件可靠性测试效率,在分析软件可靠性测试以及测试用例设计方法的基础上,提出一种基于混合测试的软件可靠性加速测试方法.该方法将软件可靠性测试分为两个阶段,第一阶段为传统可靠性测试,第二阶段为针对性测试,并通过过渡准则将软件可靠性测试和针对性测试结合起来,由软件可靠性测试向针对性测试过渡.在针对性测试中提供了一个测试策略接口,使得各种用例设计方法都可以在软件可靠性测试中使用.根据重要性抽样理论求得混合测试加速因子,在减少测试代价的同时实现了利用混合测试失效数据进行软件可靠性评估.实验结果表明该方法较传统软件可靠性测试有较大提高.     

基于使用模型的软件可靠性加速测试

给出了一种使用分层抽样和重要抽样方法并基于Markov链使用模型的软件可靠性加速测试的方法,在根据统计测试结果得到软件可靠性无偏估计的前提下,可以有效提高安全攸关软件的测试效率,部分解决了安全攸关软件统计测试时间和费用开销过大的问题.实例仿真结果表明,该方法可以有效地提高软件可靠性关键操作的测试效率.     

基于广义遗传算法的自适应重要抽样理论

1 引言随着计算技术和软件工具的迅猛发展,具有良好普适性的数值模拟方法在许多领域开始受到了广泛的重视。由于Harbitz,Melchers,Wu和本文作者的一系列工作,基于重要抽样理论的非线性系统可靠性分析技术取得了很大的进展。尽管如此,基于重要抽样理论的非线性系统可靠性分析技术中一些带有根本性的理论问题并没有彻底解决。突出表现是,对于广义多设计点问题、寻找所有设计点的求解算法不仅没有提出,甚至没有提出过合理的求解思路。造成这一局面的原因是,多设计点问题的求解需以非连通域非线性系统全局优化问题的解决为前提,而后一问题在     

基于使用模型的Web应用软件统计测试

Web应用软件一般都具有体系结构复杂、代码量大、页面众多且相互联结的特点,在一定的时间和投入内,显然是无法做到穷尽的测试,而确保Web应用软件可靠性的一个很好的可选方案就是基于使用模型的Web统计测试,以便重点测试用户频繁使用的路径和页面,使测试效率达到最高。针对这个问题,提出了一个能够反映系统真实使用情况的Web统计测试的使用模型WSUM,该模型基于Web应用的导航行为图和日志文件进行构建,对于用户的导航行为的描述更为全面和准确。在此基础上,还提出了基于使用模型WSUM设计和生成测试用例的方法,并给出了应用此方法进行统计测试的例子。     

基于UMMs的Web软件统计测试方法研究

随着网络使用的普及以及信息技术的不断进步,如何保证Web软件的可靠性显得越来越重要.统计测试和可靠性分析能有效地确保Web软件的质量.利用从Web日志中提取的访问信息和错误信息,提出一种基于统一的马尔可夫模型(IMMs)的Web软件统计测试方法,该方法将访问信息用于构建UMMs,相关的错误信息用于评价Web软件的可靠性和Web统计测试的有效性.最后将该方法用于分析某Web软件,以实验证明该方法的可行性和有效性.     

基于Markov链路径使用模型的软件统计测试

探讨了建立基于路径使用的Markov链模型来分析模块内部代码结构的统计测试方法的可能性。提出将统计理论用于软件的结构测试,从理论上得出软件的结构可靠性结论。提出具有有限状态、离散时间序列的Markov链作为程序的使用模型和测试模型,使用Kullback判别式作为测试链收敛到使用链的判断准则,从理论上证明了测试链到使用链收敛的必然性。理论分析和初步的实验证明该方法是可行和有前途的。     

基于准随机序列的测试性试验抽样方案

针对测试性试验和维修性试验中评估结果的分散性问题,分析了标准抽样方法存在的问题,研究提出了测试性试验对抽样的要求和基于准随机序列的抽样方案.工程试验和仿真表明,基于准随机序列的抽样方案可以显著改进抽样精度和覆盖性,降低分散性,具有很好的工程应用价值.     

基于用户分类的web日志统计测试研究

针对传统统计测试方法效率低和适应性不强的局限性,结合web应用的特点,提出了一种基于用户分类的web日志统计测试方法。根据web应用的不同复杂度,通过用户分类和web日志统计进行建模,并依据该模型测试,评估web应用的可靠性。实验结果表明,该方法较传统统计测试方法对于web应用主要业务功能测试的覆盖率更高,其可靠性评估更具现实意义。     

采用流抽样方法的网络性能测试模型

随着计算机网络技术和网络应用的发展，网络设备的性能测试已成为研究的热点课题．长时间性能测试中的结果提取和存储，是网络性能测试的关键点和难点．分析了网络性能测试的方法和高速性能测试中的关键问题，提出了网络性能测试模型．通过基于“流”的报文抽样方法，有效解决了长时间性能测试中的结果提取与存储问题．最后，该文通过具体实验分析了模型架构的可行性及抽样技术的有效性．     

基于改进模拟退火算法的软件可靠性模型参数估计方法

为提升现有软件可靠性模型的拟合性能和求解精度,结合软件可靠性模型求解特征,提出一种改进的模拟退火算法。在此基础上,提出基于改进模拟退火算法的软件可靠性模型参数求解方法(简称为MSAE法),并将新方法应用于4组失效数据集。工程应用结果表明,与最大似然估计(MLE)法、和声搜索(HS)算法和蚁群(AC)算法相比,MSAE法可有效改善软件可靠性模型参数求解不收敛的情况,并且可以有效提升现有软件可靠性模型的拟合性能。     

高可信软件的防危性评估研究

在分析安全关键软件防危性测评的必要性基础上,提出了适合于评估关键软件防危性的评估指标,给出了防危性评估指标与可靠性评估指标之间的关系。总结了4种传统测评方法评估高防危性需求软件的局限性。研究了基于重要性采样及压力测试技术测评高防危性软件的可行性,并详细讨论了其具体实施过程,其间结合核电安全关键控制系统进行了例证。最后就该领域内的相关工作及发展方向进行了展望。     

基于搜索的Simulink测试数据生成

为满足基于模型的测试需求,研究了基于搜索的Simulink模型测试数据生成方法。对于严格约束,该方法利用代价函数规则构建目标函数,针对Simulink模型复杂性的特点,采用模拟退火算法对目标函数求优,最终搜索出满足目标约束的测试数据。由此设计了一种综合考虑宽松约束和严格约束的Simulink测试数据生成框架,最后实现了该方法在典型案例的应用。实践证明,该方法快速有效地解决了Simulink模型的测试数据生成问题。     

统计测试的软件可靠性保障能力研究

研究了统计测试对不同软件的测试能力,提出将测试有效性信息综合到软件可靠性评估模型中,以提高可靠性估计的针对性和精度.通过实验证明了该方法的合理性.该方法为高可靠性的软件质量保障要求提供了途径和可能.     

基于可靠度的计算机系统优化问题的研究

分析了计算机系统硬件优化配置问题,给出了该问题的优化模型,并利用模拟退火算法和遗传退火算法对求解该问题进行了具体设计。通过实例仿真比较,遗传退火算法能得到比文献中算法和模拟退火算法更好的结果,表明算法是非常有效的。     

软件使用统计测试方法的研究

软件开发实践表明,传统软件统计测试方法在提高软件可靠性和度量软件质量方面显现很多不足,阐述了一种改进的基于Markov链模型的软件统计测试方法的技术细节和实施步骤,用此方法对某控制软件的测试进行了具体的研究,对实例软件运用此方法进行测试提出了一个框架方案.实例验证表明,软件使用统计测试方法能够更加经济有效地保障软件质量.     

模型参数估计的一类混合策略

合理融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳特性 ,构造了一类高效的混合优化策略 ,并用于多种类型模型的参数估计。对典型问题的仿真结果验证了混合策略的有效性     

Data Generation for Path Testing

We present two stochastic search algorithms for generating test cases that execute specified paths in a program. The two algorithms are: a simulated annealing algorithm (SA), and a genetic algorithm (GA). These algorithms are based on an optimization formulation of the path testing problem which include both integer- and real-value test cases. We empirically compare the SA and GA algorithms with each other and with a hill-climbing algorithm, Korel's algorithm (KA), for integer-value-input subject programs and compare SA and GA with each other on real-value subject programs. Our empirical work uses several subject programs with a number of paths. The results show that: (a) SA and GA are superior to KA in the number of executed paths, (b) SA tends to perform slightly better than GA in terms of the number of executed paths, and (c) GA is faster than SA; however, KA, when it succeeds in finding the solution, is the fastest.