随机测试中测试数据的编码方案

1 引言软件测试过程中,测试用例的生成是软件测试的关键。目前,测试用例的生成主要靠手工完成,因此测试效率低下,软件成本居高不下。为此,迫切需要开发一些测试用例的自动生成工具,提高软件测试效率,降低软件成本,保证软件质量,提高软件测试的自动化程度。随机测试是对软件进行操作性测试,即测试用例是从程序的输入域中随机选择,让错误自己暴露出来。在某些情况下,随机测试技术比启发式测试技术效果要好得多。所以在软件测试中占据着重要地位。但是,目前国内外对随机测试数据自动生成的研究非常不成熟,尚无一套完整的方案解决此     

考虑测试剖面时随机测试与划分测试的比较

随机测试与划分测试的有效性问题一直是人们争论的焦点，人们从不同的角度和标准出发，对二者的有效性以及决定各自有效性的条件进行了分析和比较，并得出不同的结论，该文与他们不同，在无失效发生时，考虑了测试剖面，即在测试剖面与操作剖面不完全一致的情况下，提出分别以失效概率的置信上限，置信度和测试用例总数为标准，评价这两种测试策略的有效性。     

An Experimental Evaluation of Data Flow and Mutation Testing

Two experimental comparisons of data flow and mutation testing are presented. These techniques are widely considered to be effective for unit-level software testing, but can only be analytically compared to a limited extent. We compare the techniques by evaluating the effectiveness of test data developed for each. We develop ten independent sets of test data for a number of programs: five to satisfy the mutation criterion and five to satisfy the all-uses data-flow criterion. These test sets are developed using automated tools, in a manner consistent with the way a test engineer might be expected to generate test data in practice. We use these test sets in two separate experiments. First we measure the effectiveness of the test data that was developed for one technique in terms of the other. Second, we investigate the ability of the test sets to find faults. We place a number of faults into each of our subject programs, and measure the number of faults that are detected by the test sets. Our results indicate that while both techniques are effective, mutation-adequate test sets are closer to satisfying the data flow criterion, and detect more faults.     

在测试用例不放回时比较随机测试和分割测试

在测试用例放回的情况下,关于随机测试和分割测试的比较,许多研究者做了大量的工作,取得了显著成果.在测试用例不放回的情况下,类似的比较工作在国内外文献中尚未见到.然而在实际工作中,尤其是在软件测试早期和模块测试阶段,测试用例是不放回的.因此,在测试用例不放回的情况下,对随机测试和分割测试进行了比较,得出4个结论.与Chen和Yu在测试用例放回情况下的研究成果相比,一个不同的发现是,在平分子域、错误数、测试次数时,分割测试不如随机测试效果好.另外还发现,如何利用各种信息分割出错误集中的区域,然后着重测试,这是分割测试的核心.     

光纤陀螺随机漂移测试与建模

文中介绍了光纤陀螺(FOG)随机漂移的测试方法和实验设备,探讨了一种利用AIC准则和长自回归法建立随机漂移ARMA模型的新途径.利用实验平台对光纤陀螺输出信号进行了采集,对原始数据进行了平稳化处理,然后进行了光纤陀螺随机漂移ARMA建模实验,并通过白噪声检验验证了用新方法建立的ARMA模型具有很好的适用性.     

并发软件适应性随机测试方法

测试用例选择是软件测试中的关键问题之一.目前,测试用例选择在并发软件测试方面鲜有涉及.以多线程并发程序为研究对象,提出面向并发软件的适应性随机测试方法,通过优化测试用例选择,来提高并发软件测试的效率和错误发现能力.根据实验结果,我们提出的并发软件适应性随机测试方法比随机测试方法的测试效率更高,错误发现能力也更强.     

3n镜像适应性随机测试算法

针对适应性随机测试中的边缘效应问题,借鉴镜像适应性随机测试(MART)的基本思想,在引入镜像距离的基础上,提出3n MART算法,通过改变候选用例与成功用例之间的距离判断策略,使其产生的用例在输入域中更均匀地分布。仿真实验结果证明,该算法可以较好地解决边缘效应问题,相比基于距离的适应性随机测试算法与MART算法,失效发现效率更高。     

CART:组合自适应随机测试方法

自适应随机测试方法将测试用例均匀分布于整个输入空间,以提高测试效率.然而,当被测软件的输入参数存在错误相关性,使失效区域形状成为“片状”时,传统的自适应随机测试方法效率将急剧下降.针对“片状”失效区域的特点,本文提出了一种新的自适应随机测试方法:组合自适应随机测试方法.该方法将输入参数划分为多个不同的组;每一组被视作一个独立的输入空间并通过自适应随机测试方法生成“准”测试用例序列;最终的测试用例将由各组“准”测试用例组合而成.实验表明,组合自适应随机测试方法能大幅度提高测试用例发现错误的效率.     

一种改进的软件自适应随机测试策略

针对自适应随机测试(ART)存在的高维和距离度量问题,提出一种改进的软件自适应随机测试策略。分析ART的局限性,扩展ART的前提假设,基于测试用例特征相似性度量选择最佳的测试用例。实验结果表明,与传统随机测试策略相比,改进策略能更多地触发软件失效,测试效果更优。     

准完全最大距离伪随机测试研究

对超大规模集成电路进行随机测试的测试码之间的距离作了定量分析,在此基础上,改进了最大距离随机测试算法中测试码的生成方法,使得所生成的伪随机测试码集合同时达到最大海明距离与近似最大笛卡尔距离。因此每一个测试码可以尽可能多地独立检测到更多不重复的故障。进而提出了准完全最大距离测试新算法的思想和构建理论,并详细阐述了该算法的执行流程。在ISCAS'85基准电路上进行的大量实验数据分析表明,本方法确实有效地提高了随机测试效率,降低了随机测试成本。     

基于UVM实现随机测试的先进方法

随机设计越来越复杂,受约束的随机化测试方法已成为验证的发展趋势。本文以数据流交叉模块的验证为例,介绍如何基于UVM验证方法学构建受约束的随机化测试平台,其主要内容包括：UVM验证平台的建立、受约束的随机的实现、功能覆盖率的实现、自动检查结构等方面。     

改进的局部ART测试算法研究

局部ART算法虽然克服了测试样本点与样本生成区域已测试顶点有可能距离很近的问题,但它对生成区域周围的已测试样本点对样本选择的影响考虑不足.本文针对局部ART算法的缺陷,提出了改进的局部ART算法,将生成区域周围一定范围内的已测试顶点都加入到临近已测试样本集中,在保持时间复杂度的同时,使测试样本的分布更加均匀.实验结果表明,改进的局部ART算法的错误检测能力得到了提升.     

基于灰色理论的软件测试质量评价方法

针对软件测试质量如何评价的问题,指出软件测试适合灰色理论应用,根据软件测试一般过程建立了软件测试质量模型,提出了基于灰色关联分析的软件测试质量评价方法.结果表明:该方法理论上先进,技术上可行,评价结果客观,为解决软件测试质量评价提供了一种新方法.     

一种软件可靠性的随机测试模型研究

本文提出一种基于随机测试模型的软件可靠性测试方法、评判准则和测试策略,并利用蒙特卡罗方法进行了分析。通过实例证明了该模型在软件测试中的实用性和有效性,使用该模型可以提高软件测试的准确性和正确率、缩短软件测试的周期。     

组合电路随机测试的一种新方法

本文在随机测试的基础上提出了逆随机测试（ART）的新概念，在该测试序列的集合中各测试码之间的海明距离为尽可能的大，这样可以使不同的测试码检测到更多不同的故障，从则提高了测试效率和故障覆盖率。本文给出了构造逆随机测试序列（ARTS）的详细过程，并且严格证明了该序列的高效和正确性，同时还给出了用Benchmark和其它电路作为例子的实验结果。     

Adaptive Random Testing: The ART of test case diversity

Random testing is not only a useful testing technique in itself, but also plays a core role in many other testing methods. Hence, any significant improvement to random testing has an impact throughout the software testing community. Recently, Adaptive Random Testing (ART) was proposed as an effective alternative to random testing. This paper presents a synthesis of the most important research results related to ART. In the course of our research and through further reflection, we have realised how the techniques and concepts of ART can be applied in a much broader context, which we present here. We believe such ideas can be applied in a variety of areas of software testing, and even beyond software testing. Amongst these ideas, we particularly note the fundamental role of diversity in test case selection strategies. We hope this paper serves to provoke further discussions and investigations of these ideas.     

An Adaptive Rapidly-Exploring Random Tree

Sampling-based planning algorithms play an important role in high degree-of-freedom motion planning(MP)problems,in which rapidly-exploring random tree(RRT)and the faster bidirectional RRT(named RRT-Connect)algorithms have achieved good results in many planning tasks.However,sampling-based methods have the inherent defect of having difficultly in solving planning problems with narrow passages.Therefore,several algorithms have been proposed to overcome these drawbacks.As one of the improved algorithms,Rapidlyexploring random vines(RRV)can achieve better results,but it may perform worse in cluttered environments and has a certain environmental selectivity.In this paper,we present a new improved planning method based on RRT-Connect and RRV,named adaptive RRT-Connect(ARRT-Connect),which deals well with the narrow passage environments while retaining the ability of RRT algorithms to plan paths in other environments.The proposed planner is shown to be adaptable to a variety of environments and can accomplish path planning in a short time.     

一种高效率的随机信号发生器

在雷达通信和振动系统的计算机仿真试验的研究中,需要产生指定功率谱的随机序列,以检验给定系统在各种噪声环境下的性能,且对伪随机序列的质量和计算效率都有严格的要求.以往常规的线性变换矩阵常常涉及上百万个甚至上亿个以上的未知数,计算量巨大,很不经济.针对上述缺点,提出一种用计算机软件产生指定功率谱随机序列高效率的新方法,通过洗混方法改善了随机序列的独立性和均匀性,采用截短相关函数、精简变换矩阵减小了序列变换的计算量,大大提高了运算效率.仿真的结果表明仿真随机序列的功率谱同标准功率谱很接近,带宽基本吻合;在汽车非线性随机振动的仿真中也取得与实际很接近的满意结果,误差都不足百分之五,而运算效率提高近百分之四十,证明了新方法的有效性.     

On the Use of Uniform Random Generation of Automata for Testing

Developing efficient and automatic testing techniques is one of the major challenges facing software validation community. In this paper, we show how a uniform random generation process of finite automata, developed in a recent work by Bassino and Nicaud, is relevant for many faces of automatic testing. The main contribution is to show how to combine two major testing approaches: model-based testing and random testing. This leads to a new testing technique successfully experimented on a realistic case study. We also illustrate how the power of random testing, applied on a Chinese Postman Problem implementation, points out an error in a well-known algorithm. Finally, we provide some statistics on model-based testing algorithms.