符號(hào)執(zhí)行結(jié)合隨機(jī)方法

1、院系：軟件學(xué)院,答辯人：屈媛媛,指導(dǎo)老師：洪 玫,專業(yè)：軟件工程,畢業(yè)答辯,,,面向?qū)ο筌浖膯卧獪y(cè)試用例生成方法,,目錄,Contents,研究背景及意義,1,論文主要工作,2,研究方法,3,計(jì)量分析結(jié)果,4,,5,文獻(xiàn)綜述結(jié)果,6,討論,7,總結(jié),,,,,,,1.1研究背景,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,雙擊添加標(biāo)題文字,軟件測(cè)試是保證軟件質(zhì)量的有效手段，單元測(cè)試是測(cè)試過程的基礎(chǔ)。測(cè)試用例的生成方法給自動(dòng)

2、化單元測(cè)試提供了可能。 由于面向?qū)ο筌浖姆庋b、繼承、多態(tài)性，其單元測(cè)試是針對(duì)類和類中方法的測(cè)試。針對(duì)傳統(tǒng)軟件的單元測(cè)試用例生成方法可能不完全使用于面向?qū)ο筌浖?,,,,,,1.2研究意義,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,,論文主要關(guān)注針對(duì)面向?qū)ο鬁y(cè)試用例生成方法，通過整理分析歷年來(lái)專家學(xué)者對(duì)該方面的研究，回答了以下兩個(gè)問題：（1）面向?qū)ο筌浖臏y(cè)試用例生成有哪些方法？對(duì)比分析了這些方法各自的優(yōu)缺點(diǎn)

3、。（2）有哪些自動(dòng)生成針對(duì)面向?qū)ο筌浖膯卧獪y(cè)試的工具？,,,,,,,2論文主要工作,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,,,,,,,3.1研究方法,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,,,,,,,3.2文獻(xiàn)數(shù)據(jù)來(lái)源,輸入文字,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,會(huì)議,數(shù)據(jù)庫(kù),期刊,搜索引擎,國(guó)際會(huì)議國(guó)內(nèi)外論文（報(bào)告）等,IEEE Digital LibraryCNKI萬(wàn)方

4、學(xué)位論文庫(kù),GoogleGoogle Scholar, IE EXplore,EISCI,,,,,,,3.3文獻(xiàn)檢索及篩選原則,研究背景及意義,論文主要工作,研究方法,計(jì)量分析結(jié)果,,,,2003年1月—2013年12月,國(guó)際會(huì)議、EI、SCI期刊、博士論文,5頁(yè)以上,關(guān)鍵詞、摘要,最終，確定111篇文獻(xiàn)作為研究對(duì)象。,,,,,,研究背景及意義,研究方法,論文主要工作,計(jì)量分析結(jié)果,,4.1文獻(xiàn)年代分布,,文獻(xiàn)主要集中在2011年

5、-2012年，說明學(xué)術(shù)界在這兩年間對(duì)該問題關(guān)注度較高。,,,,,,研究背景及意義,研究方法,論文主要工作,計(jì)量分析結(jié)果,,4.2文獻(xiàn)類型分布,文獻(xiàn)集中在會(huì)議論文，其中以國(guó)際會(huì)議論文居多，這與檢索和篩選時(shí)預(yù)定的文獻(xiàn)級(jí)別標(biāo)準(zhǔn)是相符的。,,,,,,研究背景及意義,研究方法,論文主要工作,計(jì)量分析結(jié)果,,4.3高被引文獻(xiàn),通過對(duì)文獻(xiàn)被引用量統(tǒng)計(jì)，給出引用量在100以上的文獻(xiàn)。圖示的幾篇文獻(xiàn)對(duì)該課題參考價(jià)值較大。,,,,,,研究背景及意義,研究方

6、法,論文主要工作,計(jì)量分析結(jié)果,,4.4高產(chǎn)作者統(tǒng)計(jì),在選出的111篇文獻(xiàn)對(duì)應(yīng)286位作者中，發(fā)文量超過5篇的作者共有4位。，說明他們對(duì)該領(lǐng)域研究較為深入，其發(fā)表的文獻(xiàn)具有一定指導(dǎo)意義。這四位作者分別是Xie Tao(8篇)，F(xiàn)raser, G.(7篇) Tillmann, NikolaiArcuri, A. (6篇)，Tillmann, Nikolai（5篇）。,,,,,,研究背景及意義,研究方法,論文主要工作,計(jì)量分析結(jié)果,,4.5

7、研究熱點(diǎn),論文采用關(guān)鍵詞詞頻法、共詞分析方法來(lái)揭示該領(lǐng)域的研究熱點(diǎn)。為此借助了文獻(xiàn)統(tǒng)計(jì)工具EndNote和文獻(xiàn)分析工具Refvize。累計(jì)關(guān)鍵詞共590個(gè)，篇均關(guān)鍵詞約5.3個(gè)。由圖可以看出，從圖中可以看出test case generation 最高，跟論文研究的課題一致，也契合了檢索策略。,,,,,,研究背景及意義,研究方法,論文主要工作,計(jì)量分析結(jié)果,,4.5研究熱點(diǎn),借助Refvize文獻(xiàn)分析工具，得出關(guān)鍵詞共現(xiàn)現(xiàn)頻率圖（左），

8、方格顏色越深表明詞匯共現(xiàn)頻率越高。 generation case object-oriented 與genetic coverage program 等共現(xiàn)頻次較高，class case generate 與object-oriented program 共現(xiàn)頻次較高，說明熱點(diǎn)集中在面向?qū)ο筌浖械念悳y(cè)試、用例生成方法和測(cè)試覆蓋上。,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.文獻(xiàn)綜述結(jié)果,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝

9、,,5.1隨機(jī)方法,該方法基本思想是在程序輸入空間內(nèi)進(jìn)行隨機(jī)的選取，將選取的樣本作為測(cè)試輸入，與相應(yīng)的測(cè)試輸出結(jié)合即測(cè)試用例。通過執(zhí)行大量的隨機(jī)測(cè)試用例，讓程序錯(cuò)誤自己暴露出來(lái)。隨機(jī)生成單元測(cè)試用例，不需要分析程代碼的邏輯、動(dòng)態(tài)結(jié)構(gòu)、函數(shù)內(nèi)部調(diào)用這些復(fù)雜的程序約束條件，僅分析程序的輸入?yún)?shù)結(jié)構(gòu)類型，為輸入?yún)?shù)構(gòu)造隨機(jī)的測(cè)試用例。純隨機(jī)方法具有一定的盲目性，目前很多學(xué)者都針對(duì)純隨機(jī)方法做出了一些改進(jìn)，產(chǎn)生了一些衍生的隨機(jī)方法，如帶反饋的

10、隨機(jī)、有指導(dǎo)的隨機(jī)（靜態(tài)分析、動(dòng)態(tài)分析指導(dǎo)）、規(guī)避了傳統(tǒng)的純隨機(jī)算法的一些缺陷。,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.2符號(hào)執(zhí)行方法,未超過,超過,符號(hào)執(zhí)行方法用符號(hào)代替實(shí)際值模擬程序執(zhí)行，從而實(shí)現(xiàn)對(duì)程序的源代碼的分析，是一種靜態(tài)形式化技術(shù)，符號(hào)執(zhí)行與約束求解結(jié)合能用于自動(dòng)生成測(cè)試用例。符號(hào)執(zhí)行方法用于生成測(cè)試用例的過程中需要先將程序經(jīng)過詞法、語(yǔ)法分析轉(zhuǎn)化為中間語(yǔ)言，用控制流圖描述中間語(yǔ)言，符號(hào)執(zhí)行的思想是從控制流圖的入口

11、處用符號(hào)值代替具體的輸入值來(lái)模擬程序符號(hào)化的執(zhí)行過程。一個(gè)完整的執(zhí)行框架包括將源程序轉(zhuǎn)化為中間語(yǔ)言的機(jī)制、路徑遍歷算法和約束求解器。遍歷控制流圖，產(chǎn)生每條路徑的約束表達(dá)式運(yùn)用約束求解工具進(jìn)行求解，能夠生成每條路徑可滿足的解數(shù)據(jù)集合。,,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.2符號(hào)執(zhí)行方法,未超過,超過,使用Soot解析工具在將源程序轉(zhuǎn)化成控制流圖時(shí)，常會(huì)用到程序解析工具，圖示為使用Soot解析工具，再利用符號(hào)執(zhí)行生成測(cè)試用

12、例。,,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.2符號(hào)執(zhí)行方法,未超過,超過,輸入,要求解的約束,執(zhí)行代碼時(shí)收集到的約束,,,,選擇分支,約束求解器,隨機(jī)選擇,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.2符號(hào)執(zhí)行方法,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.2符號(hào)執(zhí)行方法,符號(hào)執(zhí)行結(jié)合隨機(jī)方法,謝濤等人提出的MseqGen方法使用了符號(hào)執(zhí)行結(jié)合隨機(jī)方法生成測(cè)試用例。使用符號(hào)執(zhí)行方法轉(zhuǎn)化從代碼庫(kù)中提取的方法序列，即

13、泛化序列，最后將這些單個(gè)的序列隨機(jī)組合在一起，新的方法調(diào)用序列易于構(gòu)造理想的狀態(tài)對(duì)象。,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.3搜索尋優(yōu)方法,遺傳算法,強(qiáng)類型的遺傳規(guī)劃,分布估計(jì)算法,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.3搜索尋優(yōu)方法,,,,進(jìn)化算法框架,,,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.3搜索尋優(yōu)方法,,結(jié)合JML、JUnit、遺傳算法的自動(dòng)單元測(cè)試框架 有學(xué)者認(rèn)為：一個(gè)完整的測(cè)試用例

14、需要包括測(cè)試數(shù)據(jù)和測(cè)試諭示，所以提出了利用JML詳細(xì)設(shè)計(jì)，基于遺傳算法生成完整的測(cè)試用例，該用例能直接用于JUnit平臺(tái)。,目前有學(xué)者提出這兩種方法結(jié)合生成測(cè)試用例，其思想是利用符號(hào)執(zhí)行信息指導(dǎo)搜索尋優(yōu)產(chǎn)生測(cè)試用例方法中適應(yīng)度函數(shù)的構(gòu)造，以指導(dǎo)進(jìn)化過程。,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.3搜索尋優(yōu)方法,謝濤等人提出的EVACON方法框架如下圖:,,,,,,文獻(xiàn)綜述結(jié)果,總結(jié),討論,致謝,,5.4 測(cè)試用例生成工具,,,,

15、,,,6.討論,,文獻(xiàn)綜述結(jié)果,討論,總結(jié),致謝,研究趨勢(shì)：關(guān)注方法的有機(jī)結(jié)合：隨機(jī)&符號(hào)執(zhí)行，符號(hào)執(zhí)行&進(jìn)化尋優(yōu),,,,,,,7.總結(jié),文獻(xiàn)綜述結(jié)果,討論,總結(jié),致謝,文獻(xiàn)計(jì)量分析?？偨Y(jié)了該領(lǐng)域內(nèi)主流的幾類生成方法：隨機(jī)方法、符號(hào)執(zhí)行方法、進(jìn)化搜索尋優(yōu)方法。對(duì)比分析了這些方法各自的優(yōu)劣，需要解決的問題。整理了測(cè)試用例自動(dòng)生成工具。給出了研究熱點(diǎn)和未來(lái)發(fā)展趨勢(shì)。,,,,,,答辯人,,,,,,,謝謝觀看,洪玫,屈