|本期目录/Table of Contents|

[1]包晓安,徐海霞,张娜,等.基于相似路径的动态引导测试数据生成策略[J].浙江理工大学学报,2019,41-42(自科一):65-71.
 BAO Xiaoan,XU Haixia,ZHANG Na,et al.Dynamic guided test data generation strategy based on similar path[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科一):65-71.
点击复制

基于相似路径的动态引导测试数据生成策略()
分享到:

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第41-42卷
期数:
2019年自科一期
页码:
65-71
栏目:
出版日期:
2018-12-15

文章信息/Info

Title:
Dynamic guided test data generation strategy based on similar path
文章编号:
1673-3851 (2019) 01-0065-07
作者:
包晓安徐海霞张娜吴彪钱俊彦
1.浙江理工大学信息学院,杭州 310018;2.山口大学东亚研究科,日本山口 753 8514;3.桂林电子科技大学计算机科学与工程学院,广西桂林 541004
Author(s):
BAO Xiaoan XU Haixia ZHANG Na WU Biao QIAN Junyan
1.School of Information Science and Technology, Zhejiang SciTech University, Hangzhou 310018, China; 2.Graduate School of East Asian Studies, Yamaguchi University, Yamaguchi 7538514, Japan;3.School of Computer Science and Engineering, Guilin University of Electronic Technology, Guilin 541004, China
关键词:
启发信息遗传算法动态引导测试数据生成
分类号:
TP311.5
文献标志码:
A
摘要:
为了有效提高满足路径覆盖的测试数据质量,提出一种利用相似路径间启发信息的引导测试数据生成策略。首先,对初始测试数据与路径节点间的覆盖情况进行分析,区分出难易覆盖路径;其次,设计了一种路径相似度的计算方法,分析得出路径相关启发信息,并将该启发信息用于遗传算法寻优过程中;然后,构造带有权重影响因子的适应度评价函数,结合保留精英个体思想,设计自适应遗传算子并定向引导个体交叉变异;最后,将该策略应用于多个基准程序和工业程序,并与Ahmed方法、多路径覆盖方法和EGA方法比较。仿真实验结果表明,该策略在运行时间、路径覆盖率和已有测试数据的利用率上均有优势。

参考文献/References:

[1] 巩敦卫,张岩.一种新的多路径覆盖测试数据进化生成方法[J].电子学报,2010,38(6):1299-1304.
[2] 单锦辉,姜瑛,孙萍.软件测试研究进展[J].北京大学学报(自然科学版),2005,41(1):134-145.
[3] 夏春艳,张岩,宋丽.基于节点概率的路径覆盖测试数据进化生成[J].软件学报,2016,27(4):802-813.
[4] Ahmed M A, Hermadi I. GABased multiple paths test data generator[J].Computer & Operations Research, 2008,35(10):3107-3127.
[5] 张岩,巩敦卫.基于稀有数据扑捉的路径覆盖测试数据进化生成方法[J].计算机学报,2013,36(12):2429-2440.
[6] Pachauri A, Srivastava G. Automated test data generation for branch testing using genetic algorithm: An improved approach using branch ordering, memory and elitism[J].Journal of Systems & Software, 2013, 86(5):1191-1208.
[7] Gong D W, Zhang W Q, Zhang Y. Evolutionary generation of test data for multiple paths coverage[J].Chinese Journal of Electronics,2011,19(2):233-237.
[8] 丁蕊,董红斌,张岩,等.基于关键点路径的快速测试用例自动生成方法[J].软件学报,2016,27(4):814-827.
[9] 高雪笛,周丽娟,张树东,等.基于改进遗传算法的测试数据自动生成的研究[J].计算机科学,2017,44(3):209-214.
[10] 张娜,胡国亨,包晓安,等.基于多种群进化算法的测试用例优先级排序研究[J].浙江理工大学学报,2018,39(2):218-223.

相似文献/References:

[1]邵泽熠,董宝力.基于改进遗传 K 均值算法的多品种小批量订单分批方法[J].浙江理工大学学报,2018,39-40(自科6):732.
 SHAO Zeyi,DONG Baoli.Multivariety small batch order batching method based  on improved genetic K means algorithm[J].Journal of Zhejiang Sci-Tech University,2018,39-40(自科一):732.

备注/Memo

备注/Memo:
收稿日期: 2018-08-21
网络出版日期: 2018-11-01
基金项目: 国家自然科学基金项目(61502430,61562015);广西自然科学重点基金项目(2015GXNSFDA139038);浙江理工大学521人才培养计划项目
作者简介: 包晓安(1973-),男,浙江东阳人,教授,硕士,主要从事软件测试、智能信息处理方面的研究
通信作者: 张娜,E-mail: zhangna@zstu.edu.cn
更新日期/Last Update: 2019-03-13