| 面向MBFL的测试用例约减策略 |
| |
| 引用本文： | 杜彬,贺杰,王海峰,刘勇.面向MBFL的测试用例约减策略[J].计算机系统应用,2020,29(12):1-12. |
| |
| 作者姓名： | 杜彬 贺杰 王海峰 刘勇 |
| |
| 作者单位： | 北京化工大学信息科学与技术学院,北京 100029;北京化工大学信息科学与技术学院,北京 100029;北京化工大学信息科学与技术学院,北京 100029;北京化工大学信息科学与技术学院,北京 100029 |
| |
| 基金项目： | 国家自然科学基金(61902015) |
| |
| 摘 要： | 基于变异的错误定位(MBFL)是最近提出的一种自动化程序错误定位技术, 错误定位精度高, 但伴随着庞大的执行开销, 严重制约了其在工业领域的应用. 研究人员主要从减少变异体数量、减少测试用例数量和优化变异体的执行过程三个方面优化MBFL的执行效率. 前两种方法被广泛研究并取得很好的定位效果, 但对MBFL测试用例方面的研究较少, 且存在错误定位精度损失的问题. 为解决该问题, 本文提出了一种基于信息熵的测试用例约减方法(IETCR). IETCR首先计算出测试用例的信息熵, 然后根据信息熵对测试用例进行排序, 最后选择少量有价值的测试用例执行变异体. 在SIR中 6个程序100个版本上的实验结果表明, IETCR能够约减56.3%~88.6%的MBFL执行开销, 而且几乎保持与原始MBFL相同的错误定位精度.
|
| 关 键 词： | 基于变异的错误定位 信息熵 测试用例约减 |
| 收稿时间： | 2020/4/7 0:00:00 |
| 修稿时间： | 2020/4/28 0:00:00 |
Test Case Reduction Strategy for MBFL |
| |
| DU Bin,HE Jie,WANG Hai-Feng,LIU Yong.Test Case Reduction Strategy for MBFL[J].Computer Systems& Applications,2020,29(12):1-12. |
| |
| Authors: | DU Bin HE Jie WANG Hai-Feng LIU Yong |
| |
| Affiliation: | College of Information Science and Technology, Beijing University of Chemical Technology, Beijing 100029, China |
| |
| Abstract: | |
| |
| Keywords: | Mutantion Based Fault Localization (MBFL) information entropy test case reduction |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
