基于遗传算法的测试数据生成研究

论文摘要

测试数据的生成是软件测试的重要内容,程序在测试数据上执行以发现软件中存在的错误和缺陷,是软件测试领域的基本方法。传统的手工构造测试数据方式工作量大、测试周期长,且易于出现测试遗漏,测试数据自动构造技术可以较好的辅助弥补这些问题。路径覆盖是软件测试中常用的覆盖标准,面向路径覆盖测试数据的自动生成加之人工干预,将有效提高单元测试效率。本文在研究分析软件测试技术中面向路径的测试数据生成方法及遗传算法的基础上,提出了面向路径覆盖测试数据的自动生成方法。以遗传算法为核心,设计基因编码并构建初始群体,利用程序插装理论及分支函数为遗传算法构造适应度函数,利用遗传算子完成进化过程,为待测程序生成满足目标路径的最优解。对Korel提出的分支函数以及Gallagher提出的程序插装方式进行改进,构造遗传算法的适应度函数;改进了遗传算法的参数编码方案、交叉策略、变异策略,使其更能满足求解问题的需求。设计实现了基于遗传算法的测试数据辅助生成工具,比较研究了算法的成功率和测试数据的生成质量,结果表明,较之当前常用的随机测试方法和Korel法,该方法能够以较高的成功率生成高质量的测试数据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 背景意义
• 1.2 研究现状
• 1.3 研究内容
• 1.4 论文结构
• 第二章 相关技术
• 2.1 软件测试
• 2.1.1 定义
• 2.1.2 目的
• 2.1.3 原则
• 2.1.4 分类
• 2.2 面向路径测试数据生成
• 2.2.1 路径测试问题描述
• 2.2.2 生成方法
• 2.3 遗传算法
• 2.3.1 简介
• 2.3.2 遗传算法实施
• 2.3.3 遗传算法特点
• 第三章 基于遗传算法的测试数据生成
• 3.1 遗传算法应用
• 3.1.1 函数最小化
• 3.1.2 遗传算法适用性
• 3.2 路径测试数据生成模型
• 3.3 插装及适应度函数构造
• 3.3.1 程序插装理论
• 3.3.2 适应度函数构造
• 3.3.3 程序插装改进
• 3.3.4 分支函数插装过程
• 3.4 遗传算法的引入
• 3.4.1 编码策略
• 3.4.2 选择策略
• 3.4.3 交叉策略
• 3.4.4 变异策略
• 3.5 算法步骤
• 第四章 测试实验及分析
• 4.1 工具总体设计
• 4.1.1 C程序分析模块
• 4.1.2 程序插装模块
• 4.1.3 GA数据生成模块
• 4.2 实验结果分析
• 4.2.1 实验数据比较
• 4.2.2 算法性能讨论
• 第五章 结语
• 参考文献
• 致谢