融合智能优化的软件测试用例生成方法

针对复杂软件中测试用例难生成问题,提出一种融入聚类和进化算法的软件缺陷测试方法,开发一套智能软件测试系统。首先,对被测程序采用变异测试方法注入缺陷;基于不同策略对缺陷聚类。然后,针对多个缺陷簇,建立测试用例生成问题的优化模型,并采用进化算法生成能检测缺陷的测试用例。最后,基于不同评价指标,完成软件测试报告。测试结果表明,基于测试用例检测缺陷的成功率、缺陷率,以及消耗时间和迭代次数等指标,验证了所提方法提高了检测缺陷检测率、降低了测试的时间及提高了测试用例生成的效率。由此可见,人工智能融于软件测试技术,不仅提升了软件测试效率,而且丰富人工智能应用领域。     

基于代码相似性的测试用例重用及生成方法

为在测试用例自动化生成中有效利用现有用例信息，降低测试用例生成成本，提高生成效率，提出一种基于代码相似性的测试用例重用及生成方法。设计基于文本和度量的被测代码相似性检测方法，分别从语法和语义上检测并划分相似类型；针对不同相似类型，采用更名重用和补充重用生成测试用例。将代码相似性应用于测试用例生成，综合考虑代码的语法、语义等多维相似信息，提升代码相似性检测的准确性，能更有效运用重用技术提升测试用例生成效率。实验结果表明，所提方法具有更高的重用召回率和重用精度，在相同时间成本下生成的测试用例覆盖率更高。     

基于SPEA2+SDE算法的测试用例自动生成技术研究

软件测试是确保软件质量的重要手段。然而随着软件结构和功能的日益多样化,软件测试的复杂度和成本大为提高。测试用例自动生成技术可以降低手工测试的高额成本,同时提高测试结果的可信度。主要研究了基于进化算法的测试用例自动生成技术,通过比较不同算法对于若干经典程序的测试用例生成效率,提出了SPEA2+SDE算法,其可以很好地用于测试用例的自动生成。最后通过Kruskal-Wallis非参数检验,说明了上述结论的广泛性和可靠性。     

基于粗糙集的因果图方法简化研究

因果图方法是一种有效的软件测试方法,它适合于描述对于多种条件的组合、相应产生多个动作形式的测试用例设计,因果图最终被转换为判定表。在判定表中,测试用例的数目随输入数据数目的增加而线性地增加,当输入数据数目较大时,最终生成的判定表的规模会很大,相应的生成的测试用例会很多,并且,程序的规格说明中给出的有些条件及条件值并不是必需的,因此,文中采用粗糙集理论对因果图方法进行简化,并用一个实例说明了该简化方法的合理性和实用性。经简化,由因果图生成的判定表的条件和条件值都不再有冗余,所生成的测试用例数目大大减少,测试变得更加简洁有效。     

基于粗糙集的因果图方法简化研究

因果图方法是一种有效的软件测试方法，它适合于描述对于多种条件的组合、相应产生多个动作形式的测试用例设计，因果图最终被转换为判定表。在判定表中，测试用例的数目随输人数据数目的增加而线性地增加，当输人数据数目较大时，最终生成的判定表的规模会很大，相应的生成的测试用例会很多，并且，程序的规格说明中给出的有些条件及条件值并不是必需的，因此，文中采用粗糙集理论对因果图方法进行简化，并用一个实例说明了该简化方法的合理性和实用性。经简化，由因果图生成的判定表的条件和条件值都不再有冗余，所生成的测试用例数目大大减少，测试变得更加简洁有效。     

软件结构化测试用例自动生成方法

软件测试和软件开发对软件质量具有同等重要的意义,其工作量很大,且其许多过程又适于自动化,于是软件测试自动化应运而生.测试用例的生成是软件测试过程的重要环节,近年来,人们开始尝试将人工智能技术运用于测试用例生成问题中,产生进化测试思想方法.文中对基于结构化的测试用例自动生成方法研究现状作了介绍,重点介绍了进化测试并对其基于不同进化计算算法的应用情况进行了比较和总结.应用结果表明进化测试方法是当前最为高效的软件测试用例自动生成方法.最后对进化测试进一步的研究方向提出了看法.     

基于因果图的软件测试方法

因果图方法是一种有效的软件测试方法,适合于描述对于多种条件的组合、相应产生多个动作形式的测试用例设计。因果图最终被转换为判定表,但是由因果图到判定表的转换是很困难的。描述了因果图方法的原理并详细说明了因果图到判定表的转换算法,介绍了因果图方法测试用例的生成。     

结合SVM与XGBoost的链式多路径覆盖测试用例生成

机器学习方法可很好地与软件测试相结合, 增强测试效果, 但少有学者将其运用于测试数据生成方面. 为进一步提高测试数据生成效率, 提出一种结合SVM (support vector machine)和XGBoost (extreme gradient boosting)的链式模型, 并基于此模型借助遗传算法实现多路径测试数据生成. 首先, 利用一定样本训练若干个用于预测路径节点状态的子模型(SVM和XGBoost), 通过子模型的预测精度值筛选最优子模型, 并根据路径节点顺序将其依次链接, 形成一个链式模型C-SVMXGBoost (chained SVM and XGBoost). 在利用遗传算法生成测试用例时, 使用训练好的链式模型代替插桩法获取测试数据覆盖路径(预测路径), 寻找预测路径与目标路径相似的路径集, 对存在相似路径集的预测路径进行插桩验证, 获取精确路径, 计算适应度值. 在交叉变异过程中引入样本集中路径层级深度较大的优秀测试用例进行重用, 生成覆盖目标路径的测试数据. 最后, 保留进化生成中产生的适应度较高的个体, 更新链式模型C-SVMXGBoost, 进一步提高测试效率. 实验表明, C-SVMXGBoost较其他各对比链式模型更适合解决路径预测问题, 可提高测试效率. 并且通过与已有经典方法相比, 所提方法在覆盖率上提高可达15%, 平均进化代数也有所降低, 在较大规模程序上其降低百分比可达65%.     

面向云测试的并行测试用例自动生成方法

为实现云计算环境下的高效软件测试,提出一种Web 应用系统功能测试的并行测试用例自动生成方法。该方法首先根据场景流图采用深度优先遍历算法生成并行测试路径,录制组合产生并行测试脚本,并进行参数化处理;然后,使用基于搜索的软件测试(SBST)方法自动生成可经过目标路径的有效测试数据集,脚本与数据耦合形成大量可并行部署的自动化测试用例。为验证方法的有效性设计了自动化云测试原型系统。实验结果表明,该并行测试用例自动生成方法可以高效地为云平台提供测试用例输入,提高测试效率。     

软件结构化测试用例自动生成方法

软件测试和软件开发对软件质量具有同等重要的意义,其工作量很大,且其许多过程又适于自动化,于是软件测试自动化应运而生。测试用例的生成是软件测试过程的重要环节,近年来,人们开始尝试将人工智能技术运用于测试用例生成问题中,产生进化测试思想方法。文中对基于结构化的测试用例自动生成方法研究现状作了介绍,重点介绍了进化测试并对其基于不同进化计算算法的应用情况进行了比较和总结。应用结果表明进化测试方法是当前最为高效的软件测试用例自动生成方法。最后对进化测试进一步的研究方向提出了看法。     

基于知识图谱的雷达软件测试用例复用研究

为了更加充分地利用雷达软件测试用例与其他测试知识的关系,进一步优化雷达软件测试用例复用效果,提出了一种基于知识图谱的雷达软件测试用例复用方法.该方法依据雷达软件测试本体关系模型,从现有的雷达软件测试管理系统中抽取测试知识构建雷达软件测试知识图谱,以实体特征属性文本的语义相似度匹配为基础,结合知识推荐和协同过滤推荐技术建...     

基于接口参数的黑箱测试用例自动生成算法

测试用例的选择与生成技术是软件测试尤其是黑箱测试的一个重要研究领域,测试用例的质量将直接决定软件测试的科学性和有效性．该文在一般的测试用例选择方法的基础上,提出了一种基于对接口参数进行组合覆盖的黑箱测试用例自动生成算法模型,据此可以生成一个对所有接口参数进行两两组合覆盖的测试用例表．并证明了该方法产生的测试用例具有数量少、能实现对接口参数最大限度组合覆盖的特点,从而可以在提高软件测试质量的同时,降低成本,提高效率．最后介绍了该算法在作者研究开发的测试数据生成工具中的实际效果．     

基于动静结合的Android恶意代码行为相似性检测

针对同种族恶意软件行为具有相似性的特点进行研究,提出通过静态分析和动态运行程序相结合的方式度量软件行为的相似性。通过反编译和soot代码转换框架获取程序控制流图,利用行为子图匹配算法从静态方面对程序行为相似性进行度量;通过自动化测试框架运行程序,利用文本无关压缩算法将捕获到的trace文件压缩后进行相似性度量。该检测方法综合静态检测执行效率高和动态检测准确率高的优点,实验分析表明,该检测技术能够准确度量程序之间行为的相似性,在准确率上相较于Androidguard有大幅提升。     

基于通信协议的接口测试用例自动生成框架

为了实现对软件配置项和软件系统的接口测试的测试用例自动生成,建立了基于通信协议的接口测试用例自动生成框架,对该生成框架的输入模型和算法集合进行研究。提出了基于通信协议的接口测试用例生成框架的输入模型,并在输入模型中建立数据帧之间的一级关联矩阵和数据帧内字段间的二级关联矩阵。以输入模型为基础,说明发送端和接收端的接口测试用例自动生成算法。结合实际项目中的通信协议,介绍了如何将通信协议信息转换至输入模型,如何通过算法集合自动生成测试用例集。实验结果表明：基于通信协议的接口测试用例自动生成框架生成的接口测试用例可以替代人工生成的接口测试用例,极大地提高了软件接口测试工作的效率。     

Directed test suite augmentation: an empirical investigation

Test suite augmentation techniques are used in regression testing to identify code elements in a modified program that are not adequately tested and to generate test cases to cover those elements. A defining feature of test suite augmentation techniques is the potential for reusing existing regression test suites. Our preliminary work suggests that several factors influence the efficiency and effectiveness of augmentation techniques that perform such reuse. These include the order in which target code elements are considered while generating test cases, the manner in which existing regression test cases and newly generated test cases are used, and the algorithm used to generate test cases. In this work, we present the results of two empirical studies examining these factors, considering two test case generation algorithms (concolic and genetic). The results of our studies show that the primary factor affecting augmentation using these approaches is the test case generation algorithm utilized; this affects both cost and effectiveness. The manner in which existing and newly generated test cases are utilized also has a substantial effect on efficiency and in some cases a substantial effect on effectiveness. The order in which target code elements are considered turns out to have relatively few effects when using concolic test case generation but in some cases influences the efficiency of genetic test case generation. The results of our first study, on four relatively small programs using a large number of test suites, are supported by our second study of a much larger program available in multiple versions. Together, the studies reveal a potential opportunity for creating a more cost‐effective hybrid augmentation approach leveraging both concolic and genetic test case generation techniques, while appropriately utilizing our understanding of the factors that affect them. Copyright © 2014 John Wiley & Sons, Ltd.     

对于测试用例生成的遗传算法改进

软件测试技术中,高效的测试用例生成能够大幅简化测试工作,提高测试效率,节省软件开发成本. 遗传算法作为一种高效的搜索寻优算法已被广泛应用到测试用例自动生成的研究中,然而传统的遗传算法虽然具有良好的全局搜索能力,但对于局部空间的求精问题却不是很有效,存在早熟问题. 针对这些问题,结合禁忌搜索算法,对传统的遗传算法在适应度函数、遗传算子方面进行改进,并进行遗传导向控制,能够有效控制遗传早熟问题,提高遗传算法的局部寻优能力. 实验结果表明,本文所建议的方法在测试用例生成的效率和效果方面均优于基于传统遗传算法的测试用例方法.     

软件测试中的测试用例及复用研究

软件测试过程中产生的大量测试用例对保证软件的质量起到关键作用,对于专门从事软件测试的机构来说,测试用例的复用尤其重要。在测试用例的设计、选择的基础上,构造出基于复用的测试用例,同时采用测试用例库管理的方法来实现测试用例的复用,可以提高软件测试的工作效率。     

程序控制流图自动生成的算法

运用程序控制流图,可以方便地度量程序的逻辑复杂度,确定软件测试中控制结构独立路径的基本集合。文章提出了根据程序设计的伪码,自动生成程序控制流图的数据结构和详细的算法,为进行控制优化、软件基本路径测试以及程序控制相关性分析提供了良好的基础。     

传输子网选择:度数有界最大支撑子图逼近

研究了源于无线网状网络的度数有界最大支撑子图问题:给定连通图G=(V,E)和正整数d≥2,求G的一个最大支撑子图H,满足对V中每个顶点v,v在H中的度数dH(v)不超过d。这里,支撑子图指图G的一个连通而且包括G中所有顶点的子图。就输入图的边是否带权,分别设计了多项式时间近似算法。当输入图为无权图时,证明了近似算法的近似比为2;当输入图为赋权图时,证明了算法输出一个最大度数不超过d+1、权重不低于最优解权重1/(d+2)的支撑子图。算法输出的度数有界支撑子图可以用作无线网状网络的传输子网。