基于需求的测试用例优先级排序

为提高软件测试用例执行效率,研究了测试用例优先级排序技术,提出了基于需求的测试用例优先级排序及动态调整算法.基于需求的测试用例优先级排序将与软件需求相关的影响因素应用于测试用例的排序,并且在测试执行过程中可以通过调整算法对测试用例的优先级进行动态调整.实验结果表明,采用基于需求的测试用例优先级排序可以提高软件缺陷检测率...     

基于函数调用路径的测试用例优先级排序

基于覆盖的优先级排序技术通常以代码覆盖信息作为测试用例的特征加以度量,忽略了其他优先级的影响因素,缺乏全面性和动态性。针对该问题,提出基于函数调用路径的测试用例优先级排序方法。以函数调用路径为基础,通过对源代码新旧版本的对比,分析回归测试影响域,确定回归测试用例集的范围。将测试用例函数调用路径覆盖能力、单元测试时函数中检测出缺陷的个数,以及函数的扇入系数等影响因素应用于优先级排序,确定测试用例优先级量化方法,并在测试执行过程中,通过调整算法实现优先级的动态调整,优化优先级排序。实验结果表明,优先级量化方法能提高测试的缺陷检测率,发现程序中的缺陷,降低测试成本。     

测试用例优先级排序技术研究

测试用例的优化技术是软件测试的重要组成部分,其目的是将测试用例按照设定的规则进行排序,以便对测试效率有所提高。介绍了其背景和基本概念,从初始测试用例的优先级排序及回归测试的测试用例优先级排序进行概述,比较了各种优先级技术所适用的测试环境和优点,指出了测试用例优化技术的一些缺点和未来的发展方向。     

基于OTT策略的组合测试用例优先级排序方法

在组合测试用例优先级排序问题中,通常采用组合覆盖率为排序标准,该方法能够尽快满足覆盖率的要求,但其排序影响因子较为单一,缺陷检测能力不稳定。针对此问题,该文结合One-Test-at-a-Time（OTT）策略提出了一种在线调整的组合测试用例优先级排序方法,引入多重待覆盖率、测试用例失效率和测试用例重要程度3个影响因子用于衡量组合测试用例优先级。根据测试用例的在线测试反馈信息,该方法能够实时调整组合测试用例的优先级,增加了优先级排序的准确性。实验结果表明,相较于original、基于单一覆盖和多重覆盖的组合测试优先级排序方法,该方法在缺陷检测能力和稳定性上具有更强的竞争力。     

基于OTT策略的可变力度组合测试用例优先级排序方法

如何选取组合力度用于测试是可变力度组合测试用例优先级排序方法中迫于解决的关键问题。采用组合覆盖率为排序标准能够满足组合覆盖率,但其排序因素单一,测试用例优先级排序结果差异性较大,且无法根据测试结果反馈信息及时调整组合测试用例优先级。针对上述问题,该文结合One-test-at-a-time(OTT)策略、利用局部组合覆盖率、测试用例失效率和测试用例重要程度对组合测试用例优先级排序方法进行了研究。在测试过程中,实时关注测试用例的执行结果用于在线调整测试用例排序因素的取值情况,以达到实时更新组合测试用例优先级的目的。实验结果表明：相较于Random、ICBP、GISVSP和LISVSP方法,该方法使得组合测试用例优先级排序结果相对稳定,且在缺陷检测率上具有竞争力。     

基于定值-引用链的测试用例优先级排序算法

测试用例优先级排序作为一种高效实用的回归测试技术,通常以测试用例的覆盖度作为优先级排序的量化指标,忽略了测试用例的其他测试性能。针对该问题,提出一种基于DU链的测试用例优先级排序算法。该算法 综合考虑 测试用例的DU链覆盖度和回归测试的错误检测能力,对测试用例优先级进行量化。与已有算法相比,该算法基于数据流覆盖,充分利用了测试执行的历史信息和程序模块的耦合信息,在排序过程中动态计算测试用例的优先级量化值。实验结果表明,采用优先级排序算法的测试用例集能在测试过程中以较短的时间发现更多的错误,有效地提高了回归测试的检错效率。     

用于黑盒测试的测试用例优先级改进算法

为了在源代码不可见的黑盒环境下提高软件测试效率,研究了通过调整测试用例执行顺序的测试用例优先级方法在黑盒测试中的应用.针对已有的用于黑盒测试优先级方法的不足,提出了改进的基于黑盒测试的优先级方法.以提高错误检测率为目标,该方法通过结合两种用于不同情况下的优先级调整策略和使用动态方法代替静态方法生成优先级步调调整值对原方法提出了两处改进.仿真实验结果表明,该算法有效且可行,两处改进均能有效地提高测试集的错误检测率,同时使用改进效果尤为明显.     

回归测试中测试用例优先级技术研究综述

测试用例优先级技术是一种高效实用的回归测试技术,其目的是将不同的测试用例按照其重要程度排序后使用,从而获得更高的回归测试效率。首先介绍了与测试用例优先级相关的研究背景和基本概念,然后对当前的研究工作和进展进行了全面概述,同时比较了各种优先级适用的环境和实验研究结果,最后指出了测试用例优先级中有待解决的问题以及未来的研究方向。     

基于改进遗传算法的回归测试用例优先级排序

由于优先级排序测试效果较差、执行效率低,为此提出基于改进遗传算法的回归测试用例优先级排序方法.通过自然选择与遗传理论作为基本条件,结合群体中染色体任意信息交换机制和生物进化过程内适者生存规则,完成遗传算法,接着引入禁忌搜索方法,增强排序的局部超强搜索能力,然后在回归测试的过程内,利用多个目标函数对回归测试用例优先级排序...     

基于函数调用路径的回归测试用例选择排序方法研究

针对在回归测试过程中,因为不断修复软件中存在的缺陷所造成的测试工作量大、测试效率低等问题,论文将测试用例选择与优先级排序技术相结合,以面向函数调用的路径覆盖生成方法为基础,提出了一种面向函数调用路径（Functions Calling Path, FCP）的测试用例选择与排序方法。首先根据函数调用关系图,对程序中被修改函数与其他函数的关联性进行分析,从初始测试用例集中选择测试用例,形成回归测试用例集;然后对这些测试用例进行优先级排序,并动态地调整优先级排序结果;最后,对优先级排序结果进行再次选择,确定最小的回归测试用例集。实验结果表明,测试用例选择与排序方法对优化回归测试用例是有效的,大大减少了回归测试用例数量,降低了回归测试成本。     

黑盒测试中测试用例优先级改进算法分析

为了保证程序代码在黑盒测试环境下能够更好地运行,需要对执行测试用例优先级方法进行改进调整。该文对比分析了用于黑盒测试中的测试用例优先级算法和改进算法,将错误检测率作为目标,结合不同情况下优先级调整策略,对现有方法进行改进分析。研究结果表明,改进后的算法具有一定的可行性,可以更好地提高测试用例的错误检测率。     

基于改进AHP模型的COTS需求优先级的合成

需求开发的质量对软件有着直接的影响,而需求优先级的设定又是需求开发的一个重要环节.由于商业成品软件(COTS)的自身特点,使得其难以直接复用其他软件产品领域需求开发的方法和过程.层次分析法(AHP)对于复杂问题的决策非常有效,但是独立的AHP模型很难全面反映问题的本质,对此文中提出了一个改进的AHP方法,将其运用于COTS产品需求优先级的确定中,最后通过实例阐明了该方法在COTS产品需求优先级合成过程中的作用.     

基于改进AHP模型的COTS需求优先级的合成

需求开发的质量对软件有着直接的影响,而需求优先级的设定又是需求开发的一个重要环节。由于商业成品软件(COTS)的自身特点,使得其难以直接复用其他软件产品领域需求开发的方法和过程。层次分析法(AHP)对于复杂问题的决策非常有效,但是独立的AHP模型很难全面反映问题的本质,对此文中提出了一个改进的AHP方法,将其运用于COTS产品需求优先级的确定中,最后通过实例阐明了该方法在COTS产品需求优先级合成过程中的作用。     

基于历史信息的自适应测试用例优先级技术

在软件迭代开发的过程中,测试用例优先级技术因能有效地提高回归测试的效率,降低时间开销和人力成本,受到研究者的广泛关注,许多优化方法相继被提出。但是目前的研究多倾向于以需求和覆盖率作为排序准则,并且是一种静态排序。为此,提出一种基于历史信息的测试用例优先级技术,并在测试用例的执行过程中动态自适应地调整测试用例的优先级,以尽可能早地发现缺陷,达到预期的检错目标。在课题组开发的项目中运用该方法,验证了该方法的有效性。     

基于多种群遗传算法测试用例优先级技术研究

测试用例优先级技术是一种高效实用的回归测试技术.为提高回归测试效率,提出了一种应用于同归测试过程中基于多种群遗传算法测试用例优先级技术的方法.该方法采用三个具有不同进化规律的种群,第一个种群重视全局搜索,第二个种群重视局部搜索,第三个种群通过前两个种群的移入来均衡算法的局部搜索和全局搜索能力,使算法能在更大范围内寻优....     

基于Tent混沌的测试用例优先级排序

针对标准粒子群算法（Particle Swarm Optimization,PSO）后期出现的早熟收敛,提出了一种基于Tent混沌的粒子群优化算法（Tent-Chaos Particle Swarm Optimization,TCPSO）用于测试用例优先级排序。首先,利用改进的Tent映射的三大特性初始化种群,使得粒子均匀分布,提高初始解的质量;并通过非线性递减的惯性权重函数对学习因子进行改进,以更新粒子速度与位置信息;其次,对陷入局部最优的粒子p_id进行混沌搜索,跳出局部最优,同时对当前种群中部分最差粒子p_iw进行混沌搜索,改善种群多样性;最后,采用测试用例的分支覆盖率和缺陷检测率作为评价标准,评判测试用例优劣程度。实验表明,提出的改进方法在分支覆盖率和缺陷检测率指标上均有优势。     

基于模糊层次分析法的测试效果量化预测评估方法

本文提出了一种基于模糊层次分析法的测试效果定量预测评估方法.将测试用例使用测试用例优先级技术进行优先级标定,对测试用例进行层次化管理,在此基础上对不同测试用例赋予不同的预期测试时间,从而计算出预期的测试效果并预测不同测试时间赋予方案所能发现软件缺陷的相对能力.基于此设想实现了的工具TPMT,在实际的软件测试中的初步试验表明,这种方法得到的测试效果预测值和实际发现软件缺陷的数量比例是一致的,所得的测试效果预测值具有较高可信度.     

多目标优化的测试用例优先级在线调整策略

从需求的角度对测试用例的优先级进行排序,定义了一个多目标的测试用例优化排序问题,引入关注需求覆盖率、测试用例重要度和测试用例失效率这3个测试用例优先级影响因子,分别定义权重因子α,β,γ用于权衡3个因子.设计了关注需求覆盖率和测试用例失效率的在线估计方法及算法,在此基础上,设计了一种基于多目标优化的测试用例优先级在线调整策略,该策略可利用测试过程中收集到的反馈信息,对测试用例优先级进行在线调整,实现在尽早达到测试覆盖率标准的同时,尽早覆盖重要的和具有较高失效率的测试需求,从而解决尽早检测到更多的、严重等级较高的软件缺陷这一多目标测试用例优化问题.实验结果表明:与随机测试、传统的单目标优先级排序方法和确定性排序方法相比,所提出的策略能够在更短的时间内完成同等质量的软件测试,从而提高了测试效率.