基于執(zhí)行距離度量的軟件調(diào)試與測試優(yōu)化技術(shù)研究.pdf

1、測試和調(diào)試是保證軟件質(zhì)量的重要方法，目前，許多重要的測試和調(diào)試方法均以執(zhí)行距離的度量為基礎，然而現(xiàn)有的基于執(zhí)行距離度量的調(diào)試和回歸測試研究尚存在許多問題。
　　在調(diào)試方面，基于最近似執(zhí)行比較的錯誤定位方法(NN方法)是一種重要的基于執(zhí)行距離度量的調(diào)試方法，它選擇與失敗執(zhí)行最接近的成功執(zhí)行進行差異比較以定位錯誤。但該方法有時存在定位效果非常差甚至無法定位錯誤的問題。通過分析，發(fā)現(xiàn)錯誤定位效果與不僅與差異量有關(guān)，還跟差異與bug的距離

2、有關(guān)。NN方法只考慮了差異量因素，忽略了差異與bug的距離因素，很容易出現(xiàn)差異量少卻定位效果不佳的情況。針對這種問題，我們綜合考慮差異量及差異與bug距離兩個因素，提出了差異分散化的錯誤定位方法（DD方法）。對差異分散化方法進行的實驗分析表明，它的錯誤定位效果優(yōu)于NN方法。
　　在回歸測試方面，基于執(zhí)行聚類的回歸測試優(yōu)化方法將執(zhí)行依據(jù)接近程度聚類為若干簇，并在此基礎上針對性地制定選擇策略，從而優(yōu)化回歸測試用例集。但該類方法目前只考

3、慮了基于0-1覆蓋頻譜上執(zhí)行距離度量的聚類優(yōu)化，其它執(zhí)行距離度量下是否也能取得相似或更好的結(jié)果，以及相比隨機聚類效果是否有明顯提高等問題尚未有清晰的答案。為此，本文系統(tǒng)分析了基于執(zhí)行聚類的回歸測試優(yōu)化方法在多種執(zhí)行距離，以及隨機聚類下的優(yōu)化效果。通過實驗分析發(fā)現(xiàn)，基于執(zhí)行距離度量下的優(yōu)化效果較隨機聚類提高明顯且基本相似，但是其中Ulam編輯距離相對其他執(zhí)行距離度量下效果較差。
　　最后，本文基于LLVM、CodeSurfer、We