基于LoadRunner自动化应用程序接口的舰船装备软件测试系统设计与实现

针对舰船装备软件接口交互信息量大,利用现有动态测试技术对此类软件开展测试工作时效率较低,自动化测试水平亟待提高的现状,归纳分析了舰船装备软件测试系统的主要能力需求,研究了接口协议形式化、测试用例自动生成、测试用例自动驱动、通信接口转换等关键技术,并以上述技术为基础给出了舰船装备软件测试系统的体系架构设计方案,进而实现了一种基于LoadRunner自动化应用程序接口(LoadRunner Automation API)的舰船装备软件测试系统,为舰船装备软件提供了一种可行的自动化测试手段;该测试系统主要包括测试管理模块、测试用例生成模块、测试用例驱动模块和数据收集与分析模块;采用该测试系统能够有效提高舰船装备软件的测试效率。     

软件测试数据自动生成算法的仿真研究

研究软件质量优化问题,传统遗传算法存在局部最优、收敛速度慢,使软件测试数据自动生成效率低.为提高软件测试数据生成效率,对传统遗传算法进行改进,提出一种遗传-蚁群算法的软件测试数据生成算法.针对测试数据自动生成的特点,充分发挥遗传算法的全局搜索和蚁群算法的局部搜索优势,提高了测试数据的生成能力.实验结果表明,遗传-蚁群算法提高了软件测试数据生成效率,是一种较为理想的软件测试数据生成算法.     

一种MODBUS——ProFiBus节点通信控制与协议转换模块设计

多种现场总线协议并存给制造业信息化与自动化中的设备互联与信息互通造成困难;通过对ProFiBus及ModBus协议研究发现这主要是由报头报尾格式的差异造成,为解决异种协议互联问题,提出一种具有这两种协议和接口的通信控制与协议转换模块的设计方法,利用不同接口支持两种不同协议,硬件实现ProFiBus协议,软件实现ModBus协议,以UCOSⅡ为基础,用软件提取源报文用户信息,并依据目的节点协议生成新的报文实现两种协议报文转换;经测试,该方法实现了ModBus协议智能装置和智能传感器与ProFi-Bus网络的互联。     

面向船舶软件的仿真测试平台研究

软件仿真测试是嵌入式软件黑盒测试领域行之有效且具有广泛应用前景的方法,为解决船舶软件利用仿真测试环境进行自动化测试问题,文中分析了舰船作战指挥控制系统中的嵌入式软件的交联环境,研究了软件测试交联环境协同管理技术;利用将测试模型转化为XML文件并解析驱动的方法实现测试用例的自动执行;对仿真测试中数据类别分析,提出了测试数据的自动收集与分析技术.设计并开发了舰船嵌入式软件仿真测试系统,有效提高了船舶软件测试效率和测试准确性.     

空间相机仿真测试数据自动判读系统的设计

数据判读是空间相机仿真测试中的重要环节,人工判读方式存在判读时间长和判读精度不够高等不足,实现测试数据的自动判读是一个迫切的实际课题;文章结合人工智能及专家系统原理,提出了一种数据自动判读方法,设计并实现了空间相机仿真测试数据自动判读系统,该系统可以自动解读测试用例的数据注入文件、动态生成更新判读规则库,并实现测试数据的自动判读;实际使用结果表明:判读的效率为人工方式的15倍,判读准确性有明显提高,能满足仿真测试数据判读的需要.     

基于启发式算法的测试数据自动生成方法

数据自动生成是实现软件测试数据自动化和提高软件测试效率的关键问题。阐述了基于遗传算法、蚁群算法等启发式算法的测试数据自动生成系统模型与步骤,并对两系统的性能加以分析和比较,并讨论了一些改进方法。     

基于改进遗传算法的嵌入式软件时序测试数据自动生成方法

为了提高嵌入式软件时序测试数据自动检测和生成的精度、加快其收敛性,提出基于改进遗传算法的嵌入式软件时序测试数据自动生成方法。构建嵌入式软件时序测试数据的结构参数分析模型,采用动态编译和输出稳定性测试的方法,进行嵌入式软件时序测试数据检测和跟踪识别,通过混合属性数据特征和数据层次聚类分析的方法,建立嵌入式软件时序测试数据的遗传进化学习模型,得到静态软件源文件用例集,通过嵌入式软件时序测试数据知识图谱的分类和层次性架构的方法,建立嵌入式软件时序测试数据的特征图谱,采用改进的自适应遗传算法,提高选中最优解的概率;构建嵌入式软件时序测试数据的特征分布集,结合概率密度特征分布,实现对嵌入式软件时序测试数据自动生成。测试表明,该方法进行嵌入式软件时序测试数据生成的数据表达能力较好,实现数据快速建模和特征分析,提高软件测试能力。     

基于多种群遗传算法的可扩展有限状态机测试数据自动生成

可扩展有限状态机EFSM(Extended Finite State Machine)是目前常用的一种描述软件状态和行为的模型,研究EFSM模型的测试数据自动生成方法具有重要的意义。针对EFSM模型,本文提出一种面向EFSM路径的测试数据自动生成方法,利用多种群遗传算法MPGA(Multi-Population Genetic Algorithm)实现了EFSM测试数据的自动生成。实验结果表明,基于MPGA的EFSM模型测试数据自动生成是确实可行的,并且其测试数据生成效率优于遗传算法(GA)的测试数据生成效率。同时,通过实验分析了MPGA的种群数量、迁移间隔、迁移率、迁移策略等相关参数对EFSM模型测试数据生成效率的影响,得出一种最优的参数组合,对后续进一步利用MPGA进行测试数据自动生成的研究具有一定的指导意义。     

基于量子遗传算法的软件测试数据自动生成

测试数据的自动生成是测试阶段最关键的技术问题,改进软件测试方法,对提高软件测试的自动化程度具有十分重要的现实意义;在测试数据的自动生成的方法中,遗传算法虽然取得了较好的效果,但是这种算法存在缺陷和局限性,而量子遗传算法改善了其不足之处;应用量子遗传算法解决软件测试数据生成问题,克服了传统的以测试数据为核心的测试方法的不足和缺陷,实验结果表明量子遗传算法的测试用例生成效率高于遗传算法;所以,量子遗传算法可以作为一种较为理想的算法进行测试数据的自动生成,对软件测试中的测试数据自动生成具有很强的使用价值。     

基于GA-PSO算法的路径测试数据自动生成*

为了实现测试数据自动生成,许多遗传算法及其改进算法应用到了测试领域。针对遗传算法具有较强的全局搜索能力,但局部搜索能力较弱,且收敛速度慢的特点。将遗传算法与粒子群算法结合起来形成新的混合算法（GA-PSO）,并成功应用到软件测试数据自动生成过程中。实验结果表明,该算法结合了遗传算法和粒子群算法的优点,在保证软件测试数据正确生成的情况下,极大地提高了数据生成的效率。