基于蚁群算法的软件测试数据自动生成

提出了一种基于蚁群算法的测试数据自动生成方法。该方法采用位串形式编码,实现了被测程序输入空间到蚂蚁路径网络的映射模型。根据程序插装函数定义的路径信息素轨迹强度,蚂蚁进行群体协作搜索最佳路径,生成测试数据。在基本蚁群算法基础上,通过引入变异算子和自适应挥发系数,提高了蚂蚁路径的多样性,克服了早熟停滞的缺陷。和模拟退火遗传算法进行了对比实验研究,结果表明了该方法的可行性,生成测试数据的效率优于模拟退火遗传算法。     

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。     

软件测试数据智能化生成的研究

软件测试数据自动生成是软件测试中的重要难题之一。测试数据自动生成问题可归结为测试数据的搜索或组合优化问题，通常具有不连续、不可微和非线性等特征，适合于采用遗传算法、神经网络等人工智能技术进行解决。国内外学者在此方面作了不少研究并取得一定的成果，但也存在一些问题。该文系统地综述了近年来软件测试数据智能化生成的研究和存在的问题，并对未来的发展进行了展望。     

软件测试数据自动生成方法分类的研究

软件测试是保证软件质量的重要手段,测试数据自动生成是软件测试领域研究的热点之一。近些年,测试数据的自动化生成得到了广泛的关注。本文首先总结了应用较为频繁的基于路径覆盖、优化算法的测试数据生成的研究成果,之后归纳了基于聚类算法以及基于UML模型的测试数据自动生成技术的研究现状,并分析了每类方法的特点及面临的主要问题,最后对测试数据自动生成的未来发展进行了展望。     

基于改进粒子群算法的测试数据自动生成研究

测试数据的自动产生技术是软件测试的一个重要研究领域,高效的测试数据乍成可以简化测试工作提高测试效率;针对传统遗传算法(GA)容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传粒子群混合算法(GA-PSO)的软件测试数据自动生成算法,该算法在粒子群算法的基础上引入了遗传算子(交叉概率P<,c>、变异概率P<,m>),使所有测试数据在局部区域中再次寻找最优值,从而避免过早收敛,改进搜索最佳值的能力;仿真实验表明遗传粒子群混合算法与单纯使用简单遗传算法相比,具有更快的收敛速度,其产生最优解的代数得以大大提前,且精度更高.     

基于混合遗传算法的测试数据自动生成研究

为了提高软件测试中测试数据自动生成的效率,提出了一种基于混合遗传算法的测试数据自动生成的方法.在传统的遗传算法中引入模拟退火的思想,先利用遗传算法快速搜索到近优解,再使用模拟退火算法局部寻优,实现两种算法的优势互补.实验结果表明,该算法有效避免了早熟问题,具有收敛速度快、搜索效率高等特点,能够更加快速地自动生成测试数据.     

基于免疫遗传算法的软件测试数据自动生成

提出了一种应用于软件测试中的基于免疫遗传算法（IGA）的软件测试数据自动生成的算法。该算法在传统的遗传算法中引入免疫算子,免疫算子其中包括获取疫苗、注射疫苗和免疫选择。实验结果表明,该算法的效果比传统的遗传算法效果好。     

蚁群遗传混合优化算法在面向路径测试数据自动生成中的应用

探讨一种有效的面向路径的测试数据自动生成的方法,有着很现实的研究意义。试探法是测试数据自动生成的重要方法,遗传算法和蚁群算法等现代优化算法是试探法的代表。遗传算法在实际应用中,容易产生早熟收敛的问题,切在进化后期搜索效率较低;蚁群算法却可以摆脱局部最优点,抑制遗传算法的早熟现象,但由于初期信息素匮乏,导致搜索效率较低,遗传算法的变异操作能够增加搜索的随机性、快速性和全局收敛性。     

均匀设计在面向对象软件测试数据生成中的应用研究

针对面向对象软件的测试,论述了均匀设计的原理及其在测试数据生成中的应用。提出了因素、水平的构造方法和均匀设计表的选取原则,并结合实例进行了分析。     

基于粒子群优化算法的软件测试数据生成研究

遗传算法在软件测试数据自动生成方面应用广泛,但是其自身也存在局限性,如参数难于设置、算法复杂等,而粒子群优化算法执行容易、参数少,能很快地找到最优解。论文提出一种基于粒子群优化算法的软件测试数据自动生成方法,并应用于等边三角形判别程序。实验表明,粒子群优化算法能比遗传算法更高效的生成测试数据。     

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。     

改进量子遗传算法应用于测试数据自动生成的研究

为了提高测试数据的自动生成效率,提出一种改进的量子遗传算法(IQGA),用以自动生成测试数据.该算法以角度编码染色体,减少染色体存储空间;采用一种新的动态旋转角策略,使种群在测试数据生成的过程中优秀测试数据能得以较好的遗传,促进种群收敛;并通过Hadamard门变异策略提高种群多样性,扩大种群探索路径.利用典型的三角形分类问题进行了验证,实验结果表明,改进的量子遗传算法具有用时短,生成测试数据少,覆盖率高等优点,测试数据自动生成效率高于传统量子遗传算法和遗传算法.     

基于状态空间剪枝的软件测试数据扩增算法

由于软件测试数据待测行为段序列连接存在冗余,导致目标路径覆盖率降低,提出基于状态空间剪枝的软件测试数据扩增算法.通过并发无关行为段在软件测试内的位置实施分类,依据分类结果采用状态空间剪枝算法,缩减状态空间的规模后,采用测序序列生成算法采用状态节点投影,对所有待测行为段实施操作和判断,按照状态空间实施全序列连接操作,生成全覆盖、无冗余的测试序列;采用自适应粒子群优化算法,设置初始参数、初始种群,判断终止条件,在扩增的测试数据覆盖目标路径时,输入覆盖的测试序列数据完成软件测试数据扩增.实验结果表明,上述算法在软件测试数据扩增效率高,耗时低,平均运行时间低至0.51s,目标路径覆盖率高达到1.0,并且后期的目标路径覆盖率平稳.     

一种可通用的参数编辑软件设计及实现

提出了一种可通用的参数编制软件方案,其将数据类型的定义、所需参数定义、界面格式定义开放出来,成为可执行程序代码的配置文件,程序运行时,动态加载解析上述文件,自动生成人机交互界面,以满足不同嵌入式软件的参数需求,从而达到了参数设定软件的通用性。重点对该方案的关键算法进行了描述。     

VB对气象数据图形报表的自动生成

通过VB编程对大量数据进行统计的同时,导出到Excel电子表格当中快速生成所需要的各种类型报表。充分利用Execl的强大报表功能,使得VB与Excel虽分别属于不同的应用系统,但有机地结合在一起,方便用户对数据图形报表的自动生成,完善分析、服务功能。     

基于区间算法的软件测试数据生成方法

软件测试过程中经常需要对大量的数值计算模块进行穷举测试,传统的软件测试方法就显露出了不足与局限。该文采用区间算法生成测试数据,比较了采用区间算法的软件测试方法和传统的软件测试方法,结果表明,区间代数方法很好地解决了传统测试方法不能解决的问题,发现程序代码中可能的计算异常,判断能否给出程序代码输出变量的上限范围和是否存在不可能达到的分支。     

基于进化算法的软件测试数据生成的自动化

介绍了进化算法在测试数据生成中的应用思想,分析了在不同的覆盖准则下应用进化算法时适值函数的设计方法,把遗传算法等进化算法应用到测试数据生成中的进化测试技术,克服了局部搜索算法无法为较复杂程序的分支生成测试输入的问题。     

基于改进遗传算法的软件单元安全性测试仿真

传统软件单元安全性测试方法忽略了对威胁的分类,导致软件异常提取精度较低.为保证软件单元运行的稳定性,提出基于改进遗传算法的软件单元安全性测试方法.划分系统软件与应用软件威胁种类,提取异常特征.通过二进制编码完成软件安全性度量编码.利用有限个体表示空间特征优化,将空间内最优个体作为初始种群.在传统交叉变异算法基础上添加活...     

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.