版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、在軟件開發(fā)過程中,為了保證軟件的質(zhì)量,需要頻繁的執(zhí)行回歸測試,導(dǎo)致了極大的資源消耗?;貧w測試用例集優(yōu)化可以大大降低測試成本,受到了業(yè)界廣泛的關(guān)注,成為了一個研究熱點(diǎn)。目前的工作主要是利用一些優(yōu)化算法或者交互策略,在原始測試用例集中選擇滿足測試需求的用例子集,以達(dá)到縮減原始測試用例集規(guī)模及減少資源消耗的目的。這些研究取得了一定的成果,但它們僅僅局限于模擬的仿真環(huán)境,很難滿足軟件測試的實(shí)際需要。因此,如何針對實(shí)際的軟件測試環(huán)境進(jìn)行回歸測試用
2、例集優(yōu)化仍然面臨很多挑戰(zhàn)。
本文研究測試用例最小化的優(yōu)化技術(shù)。綜合考慮實(shí)際軟件測試環(huán)境中不同的測試用例運(yùn)行代價和測試需求的重要程度,針對這一組合優(yōu)化問題,設(shè)計(jì)了改進(jìn)的遺傳算法來解決優(yōu)化中的問題。
遺傳算法解決組合問題具有較好的效果,但是,算法具有過早收斂、進(jìn)化過程中容易丟失基因等缺點(diǎn)。本文設(shè)計(jì)的改進(jìn)算法可以有效地克服這些缺點(diǎn),主要思想和過程:首先,根據(jù)測試用例的代碼覆蓋率,構(gòu)造基因編碼方式,并且在此基礎(chǔ)上,設(shè)定初始群
3、體;結(jié)合測試需求的權(quán)重、測試用例的代碼覆蓋率和運(yùn)行代價設(shè)計(jì)適應(yīng)度函數(shù);然后,為了保證種群個體的多樣性,降低冗余度,對選擇算子提出了改進(jìn)策略;為了刪除冗余的基因,防止基因的重復(fù)和丟失,對交叉算子的單點(diǎn)交叉操作進(jìn)行了改進(jìn);同時,本文還提出了適應(yīng)性交叉概率的算法實(shí)現(xiàn),有效地避免了算法在初期階段陷入局部最優(yōu),提高了算法后期階段的收斂速度。最后,將改進(jìn)的遺傳算法和經(jīng)典遺傳算法分別應(yīng)用于測試用例最小化問題上,并通過仿真實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果對比表明,改進(jìn)的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 回歸測試下測試用例優(yōu)化使用技術(shù)研究.pdf
- 回歸測試用例選擇技術(shù)研究.pdf
- 回歸測試方法及測試用例優(yōu)化研究.pdf
- 回歸測試用例的優(yōu)化選擇研究.pdf
- 回歸測試中測試用例優(yōu)先級排序技術(shù)研究.pdf
- 測試用例集的生成與優(yōu)化技術(shù).pdf
- 基于時間限制的測試用例集優(yōu)化技術(shù).pdf
- 基于回歸測試的作例集優(yōu)化研究.pdf
- 文檔轉(zhuǎn)換器回歸測試用例優(yōu)化方法研究.pdf
- 測試用例利用技術(shù)研究.pdf
- 面向?qū)ο筌浖貧w測試選擇——測試用例最小化技術(shù)研究.pdf
- 組合測試用例生成技術(shù)研究.pdf
- 基于回歸測試模型的用例集的優(yōu)化研究.pdf
- 回歸測試用例集極小化及構(gòu)建方法的應(yīng)用研究.pdf
- 基于粒子群優(yōu)化算法的測試用例生成技術(shù)研究.pdf
- GUI回歸測試用例選擇方法研究.pdf
- 基于Additional策略回歸測試用例優(yōu)先級排序優(yōu)化研究.pdf
- 基于遺傳算法的軟件測試用例優(yōu)化技術(shù)研究.pdf
- 軟件測試用例自動生成技術(shù)研究.pdf
- 測試用例優(yōu)先排序技術(shù)優(yōu)化研究.pdf
評論
0/150
提交評論