回歸測(cè)試用例的優(yōu)化選擇研究.pdf

1、回歸測(cè)試是軟件生命周期中一項(xiàng)頻繁進(jìn)行且又開(kāi)銷(xiāo)巨大的測(cè)試過(guò)程，研究其測(cè)試用例的優(yōu)化選擇是為了在保證良好的測(cè)試用例覆蓋率前提下，獲得更高的測(cè)試效率。目前，回歸測(cè)試用例優(yōu)化選擇研究的熱點(diǎn)主要集中在應(yīng)用一些優(yōu)化算法及交互策略在測(cè)試用例集中搜索符合既定覆蓋標(biāo)準(zhǔn)的極小化的測(cè)試用例子集，構(gòu)造優(yōu)化模型，以剔除冗余測(cè)試用例，縮減待執(zhí)行的測(cè)試用例集規(guī)模，從而減少測(cè)試成本、人力、物力的消耗。近年來(lái)，雖然軟件回歸測(cè)試用例優(yōu)化技術(shù)與方法有了很大的發(fā)展，但還遠(yuǎn)沒(méi)有

2、成熟，現(xiàn)有的優(yōu)化技術(shù)還無(wú)法滿(mǎn)足當(dāng)前軟件測(cè)試的實(shí)際需要。在保證軟件質(zhì)量和充分測(cè)試的前提下，如何使用盡可能少的測(cè)試用例來(lái)完成回歸測(cè)試，從而降低軟件測(cè)試的成本、提高測(cè)試效率是一個(gè)非常有價(jià)值的研究課題。
　　傳統(tǒng)啟發(fā)式算法因其理論基礎(chǔ)簡(jiǎn)單，操作簡(jiǎn)便，魯棒性好，在回歸測(cè)試用例優(yōu)化領(lǐng)域得到了一定程度的應(yīng)用和推廣。但在以往的文獻(xiàn)研究中，學(xué)者們往往認(rèn)為這-NP-HARD問(wèn)題很難用傳統(tǒng)算法來(lái)解決，即便解決了也只是得到了局部最優(yōu)解，而非全局最優(yōu)解。本

3、文在對(duì)此結(jié)論提出質(zhì)疑的基礎(chǔ)上，努力探索基于傳統(tǒng)算法改進(jìn)的優(yōu)化算法來(lái)突破解決這一優(yōu)化難題的技術(shù)瓶頸。
　　本文圍繞回歸測(cè)試，首先綜述了目前國(guó)內(nèi)外在軟件回歸測(cè)試用例優(yōu)化選擇技術(shù)方面所做的工作，并基于已有的一些研究成果，對(duì)軟件回歸測(cè)試用例的優(yōu)化選擇技術(shù)進(jìn)行了深入研究，對(duì)比目前各種優(yōu)化算法，特別是五種經(jīng)典傳統(tǒng)啟發(fā)式算法的特點(diǎn)及適用域，分析各種算法的優(yōu)缺點(diǎn)及優(yōu)化原理。重點(diǎn)歸納了這些傳統(tǒng)算法未能得到全局最優(yōu)解的原因。
　　在現(xiàn)有的研究成