基于多目標協(xié)同進化的測試用例優(yōu)先排序.pdf

1、回歸測試是保證軟件質(zhì)量的有效手段，是軟件生命周期的一個重要組成部分。在很多軟件項目中，回歸測試開銷通常占整個軟件產(chǎn)品預算的一半以上，因此，為了能夠最大限度約減這部分開銷，國內(nèi)外研究人員進行了廣泛而深入的研究，其中測試用例優(yōu)先排序技術逐漸成為近年來的研究熱點。
　　然而傳統(tǒng)的測試用例優(yōu)先排序技術存在以下兩個問題:一是從度量準則來看，傳統(tǒng)技術使用單一的測試準則來指導整個排序過程，無法同時滿足多個客觀因素的約束，所以只給出綜合權衡后的優(yōu)

2、先排序方案，如時間緊迫且人力資源或計算資源短缺等;二是從問題的本質(zhì)上來看，測試用例優(yōu)先排序作為一個優(yōu)化問題，目前的一些方法包括線性規(guī)劃、限界剪枝、基于搜索的優(yōu)化技術卻都存在收斂速度較慢、易陷入局部最優(yōu)等問題，并不總能夠獲得問題的真實最優(yōu)解。
　　針對上述這些缺點，本文提出一種基于競爭模式的多目標協(xié)同進化算法，利用更貼近生物進化過程的協(xié)同進化算法和多個符合實際需求的度量準則來對問題進行解決。在這些度量準則中，選取了兩種度量準則來評價

3、個體的優(yōu)秀程度，一是平均代碼覆蓋率，使得某一個測試用例排序“在較短的時間內(nèi)覆蓋更多的語句”，二是一種新的度量準則——平均變異殺死率，即“在較短的時間內(nèi)殺死更多的變異”。協(xié)同算法以上述兩個約束條件為目標，對測試用例進行優(yōu)先排序，從而在一定程度上提高發(fā)現(xiàn)錯誤的能力。同時，在算法選擇方面，本文利用競爭性的協(xié)同進化思想，通過使用絕對適應度與相對適應度兩個指標對個體生存能力進行綜合評價，不僅對個體的競爭生存能力進行提高，也增加了個體本身優(yōu)秀程度，

4、使得算法收斂速度得到進一步提升。在個體生存周期方面，與以往的進化算法不同的是，本文提出利用剔除“老年”個體的思想，來控制個體生存周期，避免陷入局部最優(yōu)問題。
　　實驗結(jié)果表明，通過設置不同的迭代次數(shù)和不同種群規(guī)模，本文算法針對不同規(guī)模的程序均可獲得較高的平均錯誤檢測率和分布均勻的帕累托邊界。同時算法中引入的生存周期控制策略和競爭機制在一定程度上提高了種群的多樣性，相對于傳統(tǒng)的多目標優(yōu)化算法來說，具有更快的收斂速度和更強的全局搜索能