版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著軟件系統(tǒng)日趨復(fù)雜化,許多因素都影響著軟件系統(tǒng)的正常運(yùn)行,這些因素可能包括系統(tǒng)的配置、系統(tǒng)的用戶輸入、內(nèi)部事件等。眾多因素的可能取值之間形成了一個(gè)龐大的組合空間,如何從眾多的組合測(cè)試用例中選擇一部分對(duì)軟件系統(tǒng)進(jìn)行測(cè)試是一項(xiàng)重要的工作。當(dāng)前組合空間的隨機(jī)測(cè)試得到了廣泛的應(yīng)用,具有操作簡(jiǎn)單與算法高效等優(yōu)點(diǎn)。然而,隨機(jī)測(cè)試的錯(cuò)誤檢測(cè)能力的不足限制了其在組合空間中的應(yīng)用。為此,如何有效地提高組合空間中的隨機(jī)測(cè)試的錯(cuò)誤檢測(cè)能力就顯得十分迫切。當(dāng)
2、組合測(cè)試用例集生成后,由于測(cè)試資源的有限性,組合測(cè)試用例集中的組合測(cè)試用例的執(zhí)行序列(即組合測(cè)試用例集的優(yōu)先級(jí)排序方法)對(duì)于提高測(cè)試效率發(fā)揮著重要作用。為此,尋求有效的組合測(cè)試用例集的優(yōu)先級(jí)排序算法就顯得尤為重要。
組合空間的自適應(yīng)隨機(jī)測(cè)試把自適應(yīng)隨機(jī)測(cè)試引入到組合空間領(lǐng)域中。自適應(yīng)隨機(jī)測(cè)試是提高隨機(jī)測(cè)試錯(cuò)誤檢測(cè)能力的典型方法之一,在保證隨機(jī)測(cè)試的優(yōu)點(diǎn)的同時(shí)也彌補(bǔ)了隨機(jī)測(cè)試在錯(cuò)誤檢測(cè)能力方面的不足。通過(guò)借助常用于數(shù)據(jù)挖掘中的組
3、合數(shù)據(jù)的相似性度量以及基于覆蓋信息的新的組合測(cè)試用例的相似性度量,組合空間的自適應(yīng)隨機(jī)測(cè)試能夠從組合空間中選擇比隨機(jī)測(cè)試更具有多樣性的測(cè)試用例。組合空間的自適應(yīng)隨機(jī)測(cè)試不僅提高了組合空間的隨機(jī)測(cè)試的錯(cuò)誤檢測(cè)能力,也進(jìn)一步豐富了自適應(yīng)隨機(jī)測(cè)試的應(yīng)用范疇。
當(dāng)組合測(cè)試用例集生成之后,越早地執(zhí)行那些能夠發(fā)現(xiàn)錯(cuò)誤的組合測(cè)試用例,就能夠盡快地進(jìn)行錯(cuò)誤的定位與修復(fù)等工作,從而提高整個(gè)測(cè)試過(guò)程的效率。因此,組合測(cè)試用例的執(zhí)行序列(即組合測(cè)試
4、集的優(yōu)先級(jí)排序方法)對(duì)整個(gè)測(cè)試過(guò)程有著重要的作用。固定力度組合測(cè)試用例集作為組合測(cè)試用例集的一個(gè)重要的子集,在實(shí)際測(cè)試中特別是組合測(cè)試中得到了廣泛的研究與應(yīng)用。如何利用更多的信息來(lái)輔助固定力度組合測(cè)試用例集的優(yōu)先級(jí)排序方法成為當(dāng)前的研究重點(diǎn)。通過(guò)利用上一輪選擇的組合測(cè)試用例的多重覆蓋信息,可以有效地對(duì)候選的組合測(cè)試用例進(jìn)行優(yōu)先級(jí)排序,不僅可以提高覆蓋信息的覆蓋率,也可以提高錯(cuò)誤檢測(cè)效率。
可變力度組合測(cè)試用例集作為固定力度組合
5、測(cè)試用例集的一般形式,切實(shí)存在于實(shí)際的軟件系統(tǒng)中且常應(yīng)用在組合測(cè)試中??勺兞Χ冉M合測(cè)試用例集的特殊性,使得其進(jìn)行優(yōu)先級(jí)排序的方法可能發(fā)生變化。換言之,傳統(tǒng)的固定力度組合測(cè)試用例集的優(yōu)先級(jí)排序算法對(duì)可變力度組合測(cè)試用例集可能會(huì)失效。因此,研究應(yīng)用在可變力度組合測(cè)試用例集的優(yōu)先級(jí)排序方法顯得愈發(fā)地迫切。利用可變力度組合測(cè)試用例集的“主組合覆蓋力度”信息對(duì)候選的組合測(cè)試用例進(jìn)行初步篩選排序,以保證“主組合覆蓋力度”的覆蓋信息能夠盡快地被覆蓋;
6、接著利用可變力度組合測(cè)試用例集的“次組合覆蓋力度”信息對(duì)剩余的候選組合測(cè)試用例進(jìn)行排序,以保證“次組合覆蓋力度”的覆蓋信息能夠盡快地被覆蓋,可有效提高可變力度組合測(cè)試用例集優(yōu)先級(jí)排序算法的有效性和合理性。
眾多的組合測(cè)試用例集均以“廣義”組合測(cè)試用例集的形式存在,可能不是固定力度組合測(cè)試用例集或可變力度組合測(cè)試用例集。在這樣的情況下,當(dāng)前的固定力度組合測(cè)試用例集或可變力度組合測(cè)試用例集的優(yōu)先級(jí)排序方法可能面臨很大的挑戰(zhàn),甚至可
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于代碼優(yōu)先級(jí)的測(cè)試用例排序.pdf
- 回歸測(cè)試的測(cè)試用例優(yōu)先級(jí)排序問(wèn)題研究.pdf
- 基于UML的模型轉(zhuǎn)換方法與測(cè)試用例優(yōu)先級(jí)排序方法研究.pdf
- 回歸測(cè)試中測(cè)試用例優(yōu)先級(jí)排序技術(shù)研究.pdf
- 基于Additional策略回歸測(cè)試用例優(yōu)先級(jí)排序優(yōu)化研究.pdf
- 基于多目標(biāo)粒子群算法的測(cè)試用例優(yōu)先級(jí)排序研究.pdf
- 基于回歸測(cè)試的測(cè)試用例優(yōu)先級(jí)的研究與應(yīng)用.pdf
- 基于One--test--at--a--time策略的組合測(cè)試優(yōu)先級(jí)排序方法的研究.pdf
- 基于測(cè)試用例優(yōu)先級(jí)技術(shù)的測(cè)試評(píng)估系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于依賴結(jié)構(gòu)的測(cè)試用例優(yōu)先級(jí)技術(shù)研究.pdf
- 基于前驅(qū)約束的測(cè)試用例優(yōu)先級(jí)技術(shù)研究.pdf
- 面向函數(shù)調(diào)用路徑的測(cè)試用例優(yōu)先級(jí)分析.pdf
- 改進(jìn)多種群自適應(yīng)蟻群算法生成測(cè)試用例方法的研究.pdf
- 組合測(cè)試與自適應(yīng)隨機(jī)測(cè)試的理論研究.pdf
- 測(cè)試用例優(yōu)先排序技術(shù)優(yōu)化研究.pdf
- 組合測(cè)試與自適應(yīng)隨機(jī)測(cè)試的理論研究
- 具有優(yōu)先級(jí)的參數(shù)配對(duì)組合覆蓋測(cè)試集生成策略的研究.pdf
- 組合測(cè)試用例生成的禁忌搜索方法.pdf
- 基于相似性的回歸測(cè)試用例約簡(jiǎn)與優(yōu)先排序方法研究.pdf
- 基于優(yōu)先級(jí)的車輛EWM自適應(yīng)分發(fā)策略研究.pdf
評(píng)論
0/150
提交評(píng)論