基于遗传算法的软件测试技术的研究

论文摘要

从上世纪70年代以来,伴随着软件工程的发展,对系统化的软件测试技术和方法的研究也随之不断地发展。软件测试从最初的静态分析,动态调试等简单的个体查错行为逐渐发展成为形式化、系统化的工程行为。各种形式化的证明与验证技术用于确保程序的正确性,大量的统计方法也被应用于软件测试,以评测软件产品的质量和软件系统的可靠性。随着软件系统规模的日益扩大,以及应用领域的不断拓展,对软件系统的测试也变得更加困难和复杂,传统的人工测试的局限性也越来越明显。软件测试技术的研究需要有革新性的发展。软件测试是软件工程中的重要内容,它占到了整个软件系统工程50%以上的时间和资源的开销。自动化软件测试技术的研究,可以提高测试的效率,减少人工测试的劳动,有效地缩短测试周期。同时,自动化软件测试技术有助于减少经验方式所导致的测试遗漏,能够采用形式化的自动验证和确认技术保证测试的可靠性,增加测试结果的可信度。遗传算法是一种模仿生物遗传和进化机制的最优化方法,它将基因的交叉、变异、重组等概念引入到算法的求解过程中。目前,遗传算法已逐渐运用到软件测试数据生成中。本文在传统的遗传算法的基础上,利用演化测试的原理进行测试数据的生成。提出了一种自适应动态优化策略SOMP,用来解决进化停滞的问题,并且利用面向覆盖方法来构造适应值函数,即利用测试数据的执行轨迹来评价它相对于指定路径的适应值,生成两种相关的算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文的研究内容
• 第2章 软件测试技术
• 2.1 软件测试目标
• 2.2 软件测试方法
• 2.3 软件测试策略
• 第3章 遗传算法技术
• 3.1 遗传算法简介
• 3.1.1 遗传算法技术发展历史
• 3.1.2 遗传算法的应用
• 3.2 遗传算法的计算方法
• 3.2.1 基本概念
• 3.2.2 计算方法
• 3.3 本章小结
• 第4章 生成测试数据过程优化及基于结构性演化技术适应度函数生成的方法
• 4.1 遗传算法生成测试数据过程优化
• 4.1.1 稳定参数设置
• 4.1.2 自适应动态优化策略（SOMP）
• 4.2 结构性演化测试
• 4.2.1 演化测试
• 4.2.2 结构性演化测试技术
• 4.2.3 针对路径覆盖的演化测试方法
• 4.3 本章小节
• 第5章 实验与分析
• 5.1 演化测试实验分析
• 5.1.1 性能指标
• 5.1.2 被测试程序
• 5.1.3 遗传算法配置参数
• 5.1.4 基本实验参数的确定
• 5.1.5 结论与分析
• 5.2 演化测试动态优化实验
• 5.2.1 实验设置
• 5.2.2 SOMP的参数设置
• 5.2.3 SOMP对演化测试的影响
• 5.3 实验结论与建议
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢