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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、測(cè)試用例約簡(Test Suite Reduction)是在最初測(cè)試用例集合的基礎(chǔ)上按照一定規(guī)則、算法尋找一個(gè)測(cè)試用例執(zhí)行代價(jià)總和最小的測(cè)試用例子集,且該子集必須能夠滿足與前者相同的測(cè)試需求集。針對(duì)該問題學(xué)者們提出了許多算法。傳統(tǒng)約簡算法如貪心算法、GRE算法、HGS算法、線性規(guī)劃法等都是以每個(gè)測(cè)試用例代價(jià)相同為理論基礎(chǔ),求一個(gè)包含測(cè)試用例數(shù)量最少的子集也成為代表集。上述算法雖然能夠求得一個(gè)包含測(cè)試用例數(shù)量最小子集,但是該子集測(cè)試用例執(zhí)
2、行代價(jià)總和未必最小。本文在進(jìn)行測(cè)試用例約簡時(shí),不僅僅考慮減少測(cè)試用例的個(gè)數(shù),還考慮到每個(gè)用例的不同測(cè)試用例執(zhí)行代價(jià),在保證軟件測(cè)試充分性的前提下求一個(gè)測(cè)試用例執(zhí)行代價(jià)總和最小的代表集。
針對(duì)測(cè)試用例約簡問題本文使用了改進(jìn)的量子蟻群算法(Modified QuantumAnt Colony Algorithm)。量子蟻群算法是將啟發(fā)式量子進(jìn)化算法QEA(Quantum-inspired Evolutionary Algorith
3、m)與傳統(tǒng)的蟻群算法相結(jié)合,將其量子計(jì)算的優(yōu)點(diǎn)引進(jìn)到蟻群算法提高螞蟻全局搜索能力,避免了蟻群容易陷入局部最優(yōu)問題,能夠使蟻群算法突破算法極限。針對(duì)測(cè)試用例初始集合規(guī)模龐大的特點(diǎn)本文引入了候選集的概念,對(duì)測(cè)試用例集合進(jìn)行初次篩選,形成一個(gè)候選集,以減少量子蟻群算法處理數(shù)據(jù)的規(guī)模。為了讓蟻群在算法初期擴(kuò)大搜索范圍,在后期加快收斂速度,本文在算法參數(shù)方面使用自適應(yīng)策略。最后,在信息素設(shè)置方面,增強(qiáng)了算法初始各個(gè)結(jié)點(diǎn)的信息素值,為了避免初值對(duì)后
4、期迭代的影響本文對(duì)信息素的值采取最大最小區(qū)間限制的策略;在信息素更新方式上同時(shí)使用局部更新和全局更新兩種方式,在揮發(fā)機(jī)制下經(jīng)過初期的迭代,信息素會(huì)很快恢復(fù)到正常水平,但是蟻群能夠在算法初期獲得一個(gè)較好的結(jié)果,為蟻群后期迭代奠定良好遍歷基礎(chǔ)。
本文在西門子標(biāo)準(zhǔn)測(cè)試套件(Siemens)上進(jìn)行大量的仿真實(shí)驗(yàn),并將實(shí)驗(yàn)結(jié)果與已有的算法進(jìn)行比對(duì)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的量子蟻群算法與其他同類算法相比能夠獲得測(cè)試用例執(zhí)行代價(jià)更小的測(cè)試用例集
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于蟻群算法的測(cè)試用例集約簡技術(shù)研究.pdf
- 改進(jìn)多種群自適應(yīng)蟻群算法生成測(cè)試用例方法的研究.pdf
- 基于蟻群算法的測(cè)試用例選擇機(jī)制研究.pdf
- 基于程序切片算法的測(cè)試用例集約簡方法.pdf
- 基于遺傳蟻群算法的軟件測(cè)試用例自動(dòng)生成的研究.pdf
- 改進(jìn)量子蟻群算法的研究及應(yīng)用.pdf
- 基于改進(jìn)蟻群算法的測(cè)試序列優(yōu)化算法.pdf
- 基于遺傳蟻群算法的屬性約簡研究.pdf
- 改進(jìn)量子蟻群算法的動(dòng)態(tài)最優(yōu)路徑誘導(dǎo)研究.pdf
- 基于遺傳蟻群算法的屬性約簡問題研究.pdf
- 測(cè)試用例約簡方法的研究與應(yīng)用.pdf
- 基于改進(jìn)PSO算法的測(cè)試用例生成方法研究.pdf
- 基于上位效應(yīng)的多目標(biāo)測(cè)試用例優(yōu)先排序蟻群算法優(yōu)化研究.pdf
- 蟻群算法的改進(jìn).pdf
- 基于改進(jìn)PSO算法的測(cè)試用例自動(dòng)生成方法研究.pdf
- 基于改進(jìn)蟻群算法的車間調(diào)度研究方法及實(shí)現(xiàn).pdf
- 基于FPGA的改進(jìn)蟻群算法設(shè)計(jì).pdf
- 改進(jìn)蟻群算法的研究.pdf
- 測(cè)試用例約簡算法及其檢錯(cuò)能力影響的研究.pdf
- 量子蟻群算法的研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論