基于神经网络的回归测试用例优化研究

回归测试是指修改了源代码后,重新进行测试以确认已发现的缺陷是否修复和检测修改是否引入了新的错误或导致其他代码产生错误,在测试过程中占有很大的工作量比重。通过分析神经网络的基本原理,并将BP算法的思想引入到回归测试的用例集选取中,介绍了回归测试用例包选取的算法,通过样本训练,筛选出代码改动后可能影响到的功能,从而可以筛选出优先级别较高的用例。最后,通过测试实践的积累,总结了一套高效易行的回归测试策略。     

粗糙集理论在决策判断中的应用

属性约简是RoughSet理论研究中的核心内容之一,现在已经证明寻找决策表的最小约简是NP hard问题。本文首先阐述了可辨识矩阵的概念;然后在此基础上提出了一种基于可辨识矩阵和信息熵的属性约简的新算法,并给出了该算法的时间复杂度;最后,通过实例分析表明,本文算法能够成功用于决策判断,并且在多数情况下该算法能够得到决策表的最小约简。     

基于粗糙集理论的发射机故障诊断研究

研究应用经典Pawlak粗糙集理论从发射机监控数据中提取有效信息的方法,给出了对故障监测数据表的属性约简算法,输出故障决策规则,以中波发射机“输出功率”故障为例,进行了算法推演与实例仿真,证实所建故障诊断系统科学合理,高效可行.从变论域的角度出发,引入了决策粗糙集的启发式理论,解决了故障数据先验分布的容错问题,实现预诊断,为完善发展发射机人工智能监控提供了一个新思路.     

基于智能优化算法的测试用例集约简

现代智能电表程序的更新迭换速度不断加快,程序经常发生变化,对智能电表的测试提出了更高的要求,如何提高回归测试的效率,已成为当前一个研究焦点.测试开销的降低是提高回归测试效率最直接的表现,而测试用例集约简是降低测试开销的必要手段之一.以萤火虫算法为基础,文章提出了 一种应用于智能电表测试用例集约简问题上的优化算法.首先,...     

基于遗传算法的UML活动图测试用例优化研究

测试用例的选择在软件测试中十分重要,良好的测试用例可以减少时间和资源的使用,因此提出了一种基于遗传算法的UML活动图自动生成测试用例的算法。通过建立UML活动图模型,将活动图转换为有向图,然后采用深度优先搜索方法获得测试路径,应用遗传算法优化得到测试路径。该算法可以提供优先需要测试的路径,用于自动生成高质量的测试用例,提高测试任务的工作效率。     

基于组合混沌遗传算法的最小测试用例集生成

最小测试用例集生成是软件测试的重要研究领域之一.将具有均匀分布特性的Chebyshev和Logistic混沌映射相结合的混沌序列引入遗传算法的选择、交叉和变异操作,并在遗传测试用例选择方法中添加混沌扰动,实现全局最优,以解决遗传算法用于测试用例集约简时局部搜索能力弱、易早熟收敛等问题.在随机生成的测试用例需求对应关系及Siemens测试套件等实例上进行了实验研究,并与现有的经典方法在测试用例集生成规模和算法执行时间上进行了比较,实验结果表明,在保持算法执行时间的基础上,在遗传测试用例方法中引入混沌映射有助于生成规模更小的测试用例集.     

测试用例的复用技术的研究

软件测试是确保软件质量的可靠手段,是软件开发过程中必不可少的重要环节。随着软件项目中各类干系人对软件质量的要求不断提高,软件测试作为保证软件质量的主要途径之一,其重要性越来越受重视。随着软件复杂性提高,软件测试的复杂性也不断提高,测试成本不断增加,同时软件复用技术也在不断发展,软件测试成本的提高和软件复用技术的发展,促使了软件测试复用技术的不断发展。测试复用技术在软件领域得到了广泛的应用,在某些行业软件中得到了很好的应用,比如证券行业。     

基于扩展粗糙集理论的信用风险分析

在对传统信用风险等级评价模型总结的基础上,提出了一种基于扩展粗糙集理论的评价方法.该方法首先将信用风险等级评价抽象成一个多准则分类问题,然后使用DRSA法直接从历史数据中提取决策规则,所得到的规则不仅可以用于企业的信用等级评价,还可以反映各指标与信用等级之间的关系.通过一组上市公司的实际数据验证了该方法的有效性.     

基于需求的测试用例设计方法研究

本文针对软件的基本特点,介绍了测试用例设计的相关概念,结合软件的需求进行分析,论述了基于需求的测试用例设计的基本过程,给出了以满足功能覆盖为特点的软件测试用例设计方法.     

基于构件的软件测试中测试用例分配优化研究

探讨了软件测试中每个构件软件的可靠性灵敏度已知,而测试资源受约束时,如何合理分配测试用例以提高构件软件可靠性的最优化问题.分析了传统的基于可靠性灵敏度的构件软件可靠性优化方法(RPP策略),在此基础上提出一种考虑测试代价的改进的构件软件可靠性优化方法(RPP-c策略).证明了RPP-c策略中带约束的测试用例最优分配问题是一个NPC问题,给出了动态规划求解方法,从理论上验证了RPP-c策略是最优的.     

基于分词搜索的测试用例复用

随着软件行业快速发展,软件功能的复杂程度随之提高,软件质量逐渐受到重视。在软件的整个生命周期中,软件测试是一个非常重要的环节。软件质量在很大程度上由软件测试的完整程度所决定。然而,随着软件复杂度的提高,软件测试的工作成本在不断增加。为了减少测试中的冗余现象,提高软件测试的效率,测试用例复用技术被应用于各个软件测试环节。本文建立了一套测试用例管理系统,通过统一存储并管理测试用例,提出将分词技术应用于测试用例复用查询,提高测试用例查询结果的有效性和可复用性。     

基于粗糙集理论的梭式窑故障诊断专家系统

针对梭式窑运行故障多且难以快速检测和定位的问题,研究并设计出一种基于粗糙集理论的故障诊断专家系统。详细分析了专家系统粗糙集理论的信息表示、知识约简及诊断概率模型,重点设计并介绍了专家诊断系统中各个部分的详细组成,最后还给出了本系统的实际开发与实验情况。运行实践表明,该专家系统的知识模型适应性好,推理结果可靠稳定,具有较好的应用和推广价值。     

基于粗糙集理论的规则提取方法

利用粗糙集理论从初始的数据库出发，进行离散化，属性约简和值约简，依次建造可辨识矩阵、约简表和规则表，从数据库中提取一定的规则。     

服务于粗糙集信息处理的数据离散化技术

粗糙集理论是处理不完备、不确定信息的有效数学工具,是目前数据挖掘、知识工程应用中关键技术之一。粗糙集一般针对离散数据进行处理,实际应用中,数据库中大量存在连续或分散型数据,因此离散化步骤在粗糙集信息系统分析过程中具有重要意义。文章简介粗糙集相关基础知识,从不同角度对现有离散化方法进行了分类,介绍了典型的离散化方法,给出了后续研究思考。     

基于粗糙集的信息安全系统评估指标优化

信息安全系统效能评估指标体系的建立,是实现信息安全系统效能评估的前提。首先通过德尔菲法获取初始评估指标集;其次根据指标统计数据,运用粗糙集理论的知识约简方法,得到初始指标集的核集,即可剔除冗余指标,从而得到优化的评估指标体系;最后对其进行稳定性分析,验证了指标体系的科学合理性。     

基于场景的测试用例设计方法研究

传统的场景法是确定测试用例的重要方法,然而为了取消多余或等效的测试用例,需要在确定了所有测试用例之后对测试用例进行复审和验证,针对该问题,提出一种基于场景优化的方法,按照优化规则,对场景进行优化之后可以为更系统更有效地设计测试用例提供条件和基础.最后结合XML语言的特点对测试用例进行描述,并成功的将其应用到CTCS列控系统设备——临时限速服务器系统的安全性测试中,证明了该方法的有效性.     

粗糙集理论及进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点，主要阐述了几种粗糙集理论的扩展模型，然后讨论了近来粗糙集理论与其他方法的结合，并进一步讨论了粗糙集理论研究的前景。     

基于LSGA的最小测试用例集自动生成

测试数据的生成是一个复杂的问题且其技术和方法还不成熟.根据实现语句覆盖的测试目标,提出了最大稳定遗传算法（LSGA）.该算法充分考虑了遗传算法的稳定性并在构造适应度函数和路径编号时提出了＂邻近者优先＂原则和＂就近路径编号＂原则.这个算法可以生成满足测试目标的最小用例集且其性能明显优于遗传算法.     

基于正交搜索的粒子群优化测试用例生成方法

针对粒子群优化算法易出现早熟收敛的问题,本文提出一种基于正交搜索的粒子群优化测试用例生成方法.首先,利用奇异值分解来预测种群的进化方向,在其正交方向进行搜索,可避免已搜索过的区域,有助于跳出局部最优;然后,对粒子速度项进行改进,使其与正交方向保持一致,保证种群可持续受到正交方向的影响,有利于减少奇异值分解次数,降低时间消耗;最后,对每代最优个体进行局部搜索,以增强算法局部搜索能力.实验证明,本文方法在覆盖率、运行时间、进化代数等指标上均有优势.     

基于改进遗传算法的测试用例生成

在软件测试中,测试用例生成是软件测试中的关键技术问题,对于软件测试的自动化有着重要影响。为了提高测试用例生成的效率,文中提出了一种用于测试用例生成的改进算法。该算法引入了自适应算子和禁忌搜索思想,将自适应遗传算法和禁忌搜索有机结合,充分发挥遗传算法的全局搜索和禁忌搜索算法局部搜索优势,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有效性方面,均优于自适应遗传算法。