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Intranet的冰箱抽样测试系统

介绍了一个利用VB开发的冰箱测试的网络软件系统，并对整个软件系统的结构，功能以及实现的关键技术进行了说明，利用该软件系统，可实现对多个实验室的集中控制以及远程登录查询。     

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。     

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。     

基于序贯重点采样粒子滤波和Cholesky分解的分布估计算法

连续域分布估计算法一般假设数据服从Gauss分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的Gauss分布模型不能有效地描述解在空间的分布.提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布,Cholesky分解法分解收缩的协方差矩阵并利用其产生下一代样本,不需要假设样本服从Gauss分布.算法采用的概率模型是多峰的.变量之间的相关性通过采样时利用群体的协方差矩阵显式地予以考虑,并对协方差矩阵为零矩阵的情况进行了处理.仿真实验结果验证了方法的正确性和有效性.     

基于软件节点重要性的集成测试序列生成方法

集成测试序列是软件集成测试的重要问题之一.不同的集成测试顺序对测试成本以及测试效率的影响很大.为降低测试成本,传统的类级集成测试顺序研究策略大多围绕如何减少构建测试桩数量和降低测试桩总体复杂度2个方面.若能将复杂程度高、出错概率大的类和发生错误后传播范围较大的类优先进行测试,不仅可以使得错误被尽早发现,还可以有效减小错误对系统的破坏性.为此,将上述思想应用到生成集成测试序列的算法当中,提出一种软件节点重要度的评估方法(Class-HITS).该方法利用复杂网络理论,将软件抽象为网络的形式,并结合所提出的重要度评估方法,打破软件网络中的环路,然后针对网络的无环链路逆向拓扑排序,最终得到类的集成测试序列.通过实验分析证明,利用该方法得出的集成测试序列既能够保证重要节点优先被测试,又确保了构造的测试桩的总复杂度较小.     

基于模拟退火遗传算法的软件测试数据自动生成

提出了一种应用于软件测试中的基于模拟退火遗传算法的测试数据自动生成算法。该算法针对测试数据自动生成的特点将遗传算法和模拟退火有机结合,充分发挥遗传算法的全局搜索和模拟退火的局部搜索优势,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效果方面,优于遗传算法。     

基于圆形参数域和重要性采样的三维模型网格重建

给出了一个基于参数化和重要性采样的网格重建算法.算法搜索一条切线将三维模型表面切分成一片碟形表面,并将其参数化到二维单位圆中.根据模型的曲率信息和参数化的扭曲度生成一张控制图.利用蓝噪声采样算法对用控制图调制后的采样密度采样得到离散采样点.通过对采样点进行平面三角化并将其映射回三维空间实现了三维网格重建.实验证明,该方法有效地改善了参数化的扭曲度,并能得到具有自适应性的高度规则网格.     

用于统计测试概率分布生成的自动搜索方法

提出一种基于自动搜索的概率分布生成方法,设计对概率分布的表示形式与评估函数,同时结合模拟退火算法设计基于马尔可夫模型的自动搜索过程。实验结果表明,该方法能够有效地提高自动搜索的准确性,在一定时间内成功找到接近最优的概率分布,生成高效的测试数据,同时达到降低统计测试成本的目的。