导读:本文包含了测试用例优先排序论文开题报告文献综述及选题提纲参考文献，主要关键词:协议一致性测试,故障检测,排序方法,效率提升
测试用例优先排序论文文献综述
陈静,舒强,谢昊飞[1]（2019）在《基于故障定位的测试用例优先排序方法》一文中研究指出协议一致性测试是检验被测实现是否与标准协议规范相一致的方法,可确保符合协议的设备或者系统互联与互通。在被测设备调试、升级和修复等过程中,往往需要重新执行所有测试案例,以确保协议一致性测试的完备性。在协议实现的过程中,需要频繁地进行测试和修复,直至被测设备的协议完全符合协议的标准规范。而在每次的回归过程中,没有策略地执行测试案例集中所有的测试案例会增加测试的工作量。只有所有的测试案例执行结束,才能确定测试故障是否被正确修复,或者检测出其他新出现的故障。这导致了某些可以检测到故障的测试案例不能尽早执行,无法将测试重点放在易出错的部分,测试执行开销较大,会影响测试效率。因此在协议一致性测试过程中,如何对庞大的测试案例集进行优化并减少测试成本?在保证测试需求的前提下,使用尽可能少的测试案例尽快检测出系统中存在的故障以提高测试的故障检测率,成为了亟待解决的问题。文中在对现有的测试用例优先排序方法进行研究的基础上,对基于故障定位的测试用例优先排序算法进行了改进,以提高故障检测效率。该方法结合测试需求间的依赖关系、执行序列进行动态调整,对检错概率高的测试案例进行动态选取。在搭建的无线传感器网络的协议一致性测试系统上,对该算法进行了有效性验证。相较于Additional和FTP算法,所提方法的故障检测平均百分比APFD和测试效率TCFD分别至少提高了9.2%和7.6%。(本文来源于《计算机科学》期刊2019年08期）
孙家泽,王刚[2]（2018）在《利用佳点集遗传算法的白盒测试用例优先排序》一文中研究指出在软件演化过程中,测试用例优先排序作为一种高效实用的回归测试技术,对于提高缺陷的早期检测速率和降低测试成本有重要意义。针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题,采用佳点集遗传算法求解白盒测试用例优先排序问题。算法根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖平均百分比作为适应度函数,采用随机抽样选择算子和佳点集交叉算子产生新一代种群。实验选择6个典型的基准开源项目,以语句、分支和方法作为程序实体,实验结果表明佳点集遗传算法收敛速度快、稳定性好,为回归测试提供了一个有效的测试用例优先排序方法,有助于尽早发现软件缺陷,降低测试成本。(本文来源于《计算机工程与科学》期刊2018年10期）
王刚[3]（2018）在《回归测试中的测试用例优先排序算法研究》一文中研究指出在软件演化中,回归测试是软件测试的重要方法。它可以发生在单元测试、集成测试、功能测试等多个测试阶段,特别是在迭代式软件开发中,软件新版本连续发布,回归测试更加频繁,测试成本高昂。测试用例优先级技术将测试用例按照某种测试目标进行排序,提高缺陷早期检测速率,对于提高回归测试的效率和降低测试成本有重要意义。本文一方面针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题对传统遗传算法做出改进;另一方面,研究时间感知和多目标优化这两个测试场景下的测试用例优先级问题并提出了新的求解方法和设计了新的算法。相关研究工作如下:1.利用佳点集遗传算法进行白盒测试用例优先排序。针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题,使用随机抽样选择策略和佳点集交叉算子对遗传算法进行重新定义。算法根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖平均百分比作为适应度函数,采用随机抽样选择算子和佳点集交叉算子产生新一代种群。实验结果表明所提算法比传统遗传算法收敛速度快、稳定性好,有助于尽早发现软件缺陷,降低测试成本。2.基于时间感知的测试用例优先排序。针对基于时间感知的测试用例优先排序问题,提出整数线性规划与遗传算法相结合的混合算法。首先,基于整数线性规划选择对待测程序实体的覆盖量最大且满足时间约束的测试用例集;然后,根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖率作为适应度函数,利用遗传算法对测试用例集进行排序。实验结果表明混合算法收敛速度快、稳定性好,优于传统整数线性规划方法。3.多目标优化的测试用例优先排序。针对多目标测试用例优先排序问题,提出上位粒子群优化算法。该算法将生物学中的上位性引进粒子群优化算法,以测试用例序列对待测程序的平均分支覆盖率和有效执行时间作为适应度函数,采用上位交叉更新粒子。实验结果表明上位粒子群优化算法所得非支配解集分布范围广,平均分支覆盖率比基于单点交叉的粒子群优化算法和基于顺序交叉的粒子群优化算法更高,是一种求解多目标测试用例优先排序问题的有效算法。4.开发出测试用例优先排序原型工具,工具实现了测试用例优先排序的智能化、自动化和可视化。(本文来源于《西安邮电大学》期刊2018-06-01）
章天宁[4]（2018）在《基于UML模型的测试用例优先排序技术研究》一文中研究指出随着软件系统规模的增大,测试用例数量爆发式增长,软件开发组织拥有的测试资源不足以执行全部测试用例,如何分配有限的测试资源成为一大难题。测试用例优先排序作为一种合理分配测试资源、提高软件测试效率的技术,被广泛运用于软件测试之中。与此同时,模型驱动开发的兴起催生了基于模型的软件测试需求,然而传统的测试用例优先排序方法往往基于软件代码,难以运用到基于模型的软件测试之中。为了解决模型驱动开发软件的基于模型的软件测试问题,本文总结现有的方法,从如下几个方面进行了研究:(1)提出了一种基于扩展有限状态机(EFSM,Extended Finite State Machine)模型的测试用例优先排序方法。该方法首先将UML模型转换为EFSM模型,然后基于UML模型预测EFSM迁移的缺陷概率,再通过EFSM切片技术分析EFSM迁移在模型中的影响力,并推导出EFSM迁移的缺陷严重性。最后基于EFSM迁移的缺陷概率、缺陷严重性结合Additional策略对测试用例进行排序。基于EFSM模型的测试用例优先排序方法能够运用到基于UML模型的测试中,解决了传统方法过于依赖代码的问题,提高了严重缺陷检测效率。(2)提出了一种基于隐马尔科夫模型(HMM,Hidden Markov model)的测试用例优先排序方法。该方法首先将UML模型转换为HMM模型,根据UML模型信息预测HMM隐含状态的缺陷概率。其次借鉴用于网页超链接排序的SALSA算法的基本思想,计算HMM隐含状态在模型中的重要度并作为HMM隐含状态的缺陷严重性。然后根据HMM隐含状态在HMM模型中的发生概率计算HMM隐含状态的缺陷优先级。最后综合HMM隐含状态的缺陷概率、缺陷严重性、缺陷优先级以及Additional策略对测试用例进行排序。基于HMM模型的测试用例优先排序方法不但解决了传统方法过于依赖代码的问题,确保了被测软件关键方法能够被优先测试。(3)在前述方法的基础上,设计并实现了基于模型的测试用例优先排序原型系统,通过无人机飞控软件的实例,验证了本系统简单易用,提出方法切实有效。(本文来源于《杭州电子科技大学》期刊2018-05-01）
孙家泽,王刚[5]（2018）在《基于ILP和GA的时间感知测试用例优先排序混合算法（英文）》一文中研究指出针对基于时间感知的测试用例优先排序问题,提出了整数线性规划与遗传算法相结合的混合求解算法.首先,基于整数线性规划,选择待测程序实体的覆盖量最大且满足时间约束的测试用例集;然后,根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖速率作为适应度函数,利用遗传算法对测试用例集进行排序.选择5个经典的基准开源项目进行实验,以分支和方法作为程序实体,时间约束分别为25%和75%.实验结果表明,混合算法收敛速度快、稳定性好,优于传统整数线性规划方法.该算法有助于尽早发现软件缺陷,降低回归测试成本.(本文来源于《Journal of Southeast University(English Edition)》期刊2018年01期）
张卫祥,齐玉华,李德治[6]（2017）在《基于离散粒子群算法的测试用例优先排序》一文中研究指出测试用例优先排序技术能够有效提高回归测试效率,是软件测试的热点研究课题之一。针对基于需求的测试用例优先排序方法可操作性差的问题,提出了一种改进的基于测试点覆盖和离散粒子群优化算法的求解方法(TCP-DPSO)。首先,把影响排序的各种因素分为测试收益型因素和测试成本型因素两大类,通过加权平均的方式进行归一化,得到基于需求的通用测试平均收益率评价指标;然后,利用交换子和基本交换序列定义粒子的位置和速度,借鉴遗传算法(GA)变异策略引入变异算子,采用时变惯性权重调整粒子的探索能力和开发能力,促进可持续进化和逼近优化目标。实验结果表明,TCP-DPSO在最优解质量上与遗传算法相当,大幅优于随机测试,在最优解成功率和平均求解时间上优于遗传算法,具有更好的算法稳定性。(本文来源于《计算机应用》期刊2017年01期）
邢行,尚颖,赵瑞莲,李征[7]（2016）在《面向多目标测试用例优先排序的蚁群算法信息素更新策略》一文中研究指出针对蚁群算法在求解多目标测试用例优先排序(MOTCP)时收敛速度缓慢、易陷入局部最优的问题,提出一种基于上位基因段(ETS)的信息素更新策略。利用测试用例序列中ETS可以决定适应度值的变化,选取ETS作为信息素更新范围,再根据ETS中测试用例间的适应度增量和测试用例的执行时间更新路径上的信息素值。为进一步提升蚁群算法求解效率、节省蚂蚁依次访问测试用例序列的时间,优化的蚁群算法还通过估算ETS长度重新设置蚂蚁遍历测试用例的搜索终点。实验结果表明,与优化前的蚁群算法及NSGA-Ⅱ相比,优化后的蚁群算法能提升求解MOTCP问题时的收敛速度,获得更优的Pareto解集。(本文来源于《计算机应用》期刊2016年09期）
袁方[8]（2016）在《测试用例优先排序技术优化研究》一文中研究指出基于搜索的技术已经被广泛的应用于测试用例优化领域内,该领域内包括测试用例优先排序、测试用例选择以及测试用例集最小化。测试用例优先排序的优化目标为寻找测试用例集的最优执行次序,相较于测试用例选择与测试用例集最小化而言,不会遗漏重要的测试用例,具有灵活性高、适应性强的特点,因而越来越受到研究人员的重视。测试用例优先排序问题是NP难问题,一般采用遗传算法进行求解,但在效率与效果方面,尚不能满足实际应用的需求：解决问题效果上,现有的遗传算法没有针对问题特性进行相应改进,所得结果有很大提升空间；执行效率上,算法执行时间较长,严重影响该技术在实际中的应用。本文针对以上两个问题,分别从理论优化和工程实践优化提出了两种不同的优化策略。在理论优化方面,测试用例序列中先执行的测试用例会影响后执行测试用例对于测试目标的贡献,与遗传算法中上位性基因的定义相似。本文在分析了测试用例优先排序问题后,提出了该问题的上位性模型,并定义了上位测试用例段的概念。在此基础上,提出了上位性遗传算法,算法包含两种上位性交叉算子。实验中,上位性遗传算法的效率与效果,均优于采用当前先进交叉算子的遗传算法。在工程实践优化方面,本文采用了先进的GPU并行计算平台,提出了基于GPU的测试用例优先排序并行框架。该框架针对遗传算法中的适应度函数计算与交叉算子分别进行了并行化研究,最终提出了叁种不同的并行策略。实验结果显示,该并行框架可以带来较高的效率提升,在针对6万行有效代码的工业界开源程序V8,可以带来近30倍的加速比。在实验代码的基础上,开发出一套原形工具,发布至GitHub。本文从两种思路所提出的两种优化策略互不冲突,共同组成了本文针对先排序技术的优化策略框架。本文所提出的测试用例优先排序技术的优化策略框架,为其在工业上的应用,起到了一定的推动作用。(本文来源于《北京化工大学》期刊2016-05-24）
邢行[9]（2016）在《基于上位效应的多目标测试用例优先排序蚁群算法优化研究》一文中研究指出多目标测试用例优先排序(Multi-objective Test Case Prioritization, MOTCP)在测试用例集中寻找同时满足多个优化目标的测试用例执行序列,是软件测试领域中的重要研究方向之一。在多个优化目标的作用下,所有最优解形成的集合构成MOTCP问题的最优解集,即帕累托最优解集(Pareto Front)。在理想的情况下,采用多目标进化算法求解MOTCP问题的过程是一个不断逼近并最终达到帕累托最优解集的过程。但是在实际求解的过程中,多目标的进化算法并不能保证能找到真正的帕累托最优解集。蚁群优化算法(Ant Colony Optimization, ACO)是一种群体智能的启发式优化算法被应用于解决MOTCP问题,但存在收敛速度缓慢且容易陷入局部最优的问题。生物学中,上位效应(Epistatic-Domain Effect)是遗传学中基因相互作用的现象,具体是指一个位点能够掩盖或减弱另一个位点基因效应的表达。MOTCP问题中同样存在上位效应,即在一个可行解中,测试优化目标受不同序列位上的测试用例共同作用,排列在前面的测试用例能够阻止或减弱排列在后面的测试用例对某测试目标的表达。相关研究表明,排列在前端的测试用例序列段能决定MOTCP的适应度值,该段序列被称作是上位基因段(Epistatic-Domain Test Case Segment, ETS)。我们将这种测试用例间的相互关系称作是测试用例优先排序(Test Case Prioritization, TCP)的上位效应。本文将TCP问题的上位效应与多目标蚁群优化算法相结合,提出了一种基于ETS的信息素更新策略,并进一步对蚁群算法进行优化改进,研究一种面向MOTCP问题的基于上位效应的蚁群优化算法。在信息素更新策略中,首先选取ETS作为信息素更新范围；其次,基于蚁群优化算法分布求解的方式,利用测试用例间的适应度增量调整路径上的信息素增量,采用信息素标记测试用例间的上位关系。在保证蚁群算法解集质量的情况下,通过估算ETS长度动态设置蚂蚁遍历测试用例的搜索终点,降低蚂蚁依次访问测试用例序列的时间消耗,进一步提升算法性能。两组对比实验结果表明,上位效应与蚁群算法相结合能够提升求解MOTCP问题时的收敛速度和求解效果。与目前应用最广泛的NSGA-Ⅱ相比较,基于上位效应的帕累托最优解集可以支配NSGA-Ⅱ的帕累托最优解集。(本文来源于《北京化工大学》期刊2016-05-24）
薛一帆,毛宇光[10]（2016）在《基于函数占用和需求分析测试代码用例自适应优先排序》一文中研究指出在采用函数占用(覆盖)的测试代码用例优先级排序过程中,其特征一般是以函数占用代码率信息表示,容易忽视其他优先排序影响因素,对此提出基于函数占用和需求分析的测试代码用例自适应优先排序方式。首先,以测试代码用例优先级排序过程中的调用函数存在路径为参照,利用源代码信息变更影响,进行影响域的回归测试分析,并对测试代码用例集进行回归范围确定。其次,考虑测试代码用例优先级排序的需求影响因素,并确定其需求优先级评价指标,然后与调用函数源代码变更影响指标进行权重自适应融合,并设计基于函数占用和需求分析评价优先级的动态调整算法。最后,通过仿真对比显示,所提方法可提高缺陷检测正确率,降低测试成本。(本文来源于《计算机与现代化》期刊2016年03期）
测试用例优先排序论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在软件演化过程中,测试用例优先排序作为一种高效实用的回归测试技术,对于提高缺陷的早期检测速率和降低测试成本有重要意义。针对传统遗传算法在白盒测试用例优先排序中收敛速度慢和稳定性差的问题,采用佳点集遗传算法求解白盒测试用例优先排序问题。算法根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖平均百分比作为适应度函数,采用随机抽样选择算子和佳点集交叉算子产生新一代种群。实验选择6个典型的基准开源项目,以语句、分支和方法作为程序实体,实验结果表明佳点集遗传算法收敛速度快、稳定性好,为回归测试提供了一个有效的测试用例优先排序方法,有助于尽早发现软件缺陷,降低测试成本。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
测试用例优先排序论文参考文献
[1].陈静,舒强,谢昊飞.基于故障定位的测试用例优先排序方法[J].计算机科学.2019
[2].孙家泽,王刚.利用佳点集遗传算法的白盒测试用例优先排序[J].计算机工程与科学.2018
[3].王刚.回归测试中的测试用例优先排序算法研究[D].西安邮电大学.2018
[4].章天宁.基于UML模型的测试用例优先排序技术研究[D].杭州电子科技大学.2018
[5].孙家泽,王刚.基于ILP和GA的时间感知测试用例优先排序混合算法（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2018
[6].张卫祥,齐玉华,李德治.基于离散粒子群算法的测试用例优先排序[J].计算机应用.2017
[7].邢行,尚颖,赵瑞莲,李征.面向多目标测试用例优先排序的蚁群算法信息素更新策略[J].计算机应用.2016
[8].袁方.测试用例优先排序技术优化研究[D].北京化工大学.2016
[9].邢行.基于上位效应的多目标测试用例优先排序蚁群算法优化研究[D].北京化工大学.2016
[10].薛一帆,毛宇光.基于函数占用和需求分析测试代码用例自适应优先排序[J].计算机与现代化.2016