

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、回歸測試是一個頻繁進行但成本高昂的測試過程。它驗證版本更新后的軟件系統(tǒng),確保之前版本中已經通過測試的程序行為不發(fā)生變化。作為一種提高回歸測試中測試用例使用效率的重要技術,測試用例優(yōu)先級排序的研究重點是回歸測試中測試用例執(zhí)行順序的問題。不同于測試用例選擇和測試用例集最小化,測試用例優(yōu)先級排序不會丟棄任何一個測試用例,認為不同的測試用例對測試目標的貢獻度不同。那些對測試目標來說更重要的測試用例將被賦予更高的優(yōu)先級并被優(yōu)先執(zhí)行。
根
2、據(jù)軟件測試人員通過測試用例的優(yōu)先級排序想要達成的測試目標進行分類,之前的研究主要包括:基于覆蓋率的測試用例優(yōu)先級排序和基于檢錯率的測試用例優(yōu)先級排序。
在基于覆蓋率的測試用例優(yōu)先級排序技術中,基于貪心策略的算法是最有效的。但是,這類算法的穩(wěn)定性和可擴展性較差。因此,本文在第三章中提出了一種新的基于改進的退火-遺傳算法的回歸測試測試用例優(yōu)先級排序技術。三個Java程序和五個C語言程序作為實驗對象用來比較該技術與之前的五種技術包括
3、基于貪心算法的技術、基于改進的貪心算法的技術、基于遺傳算法的技術、基于模擬退火算法的技術和基于爬山算法的技術在代碼覆蓋效率和時間性能兩方面的表現(xiàn)。實驗結果表明本文提出的技術能夠取得與基于貪心策略的技術一樣好的表現(xiàn),并且具有較好的穩(wěn)定性和可擴展性。
之前的基于檢錯率的測試用例優(yōu)先級排序的相關研究證明基于貝葉斯網(wǎng)絡的技術擁有最好的表現(xiàn)。該技術的模型集成了程序源代碼的修改信息、軟件質量的度量信息和測試覆蓋信息。然而,該技術仍然存在一
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 回歸測試中測試用例優(yōu)先級排序技術研究.pdf
- 基于Additional策略回歸測試用例優(yōu)先級排序優(yōu)化研究.pdf
- 基于代碼優(yōu)先級的測試用例排序.pdf
- 基于回歸測試的測試用例優(yōu)先級的研究與應用.pdf
- 基于多目標粒子群算法的測試用例優(yōu)先級排序研究.pdf
- 組合測試用例的自適應隨機生成與優(yōu)先級排序方法研究.pdf
- 基于UML的模型轉換方法與測試用例優(yōu)先級排序方法研究.pdf
- 基于測試用例優(yōu)先級技術的測試評估系統(tǒng)的研究與實現(xiàn).pdf
- 面向函數(shù)調用路徑的測試用例優(yōu)先級分析.pdf
- 基于依賴結構的測試用例優(yōu)先級技術研究.pdf
- 基于前驅約束的測試用例優(yōu)先級技術研究.pdf
- 測試用例優(yōu)先排序技術優(yōu)化研究.pdf
- 基于測試用例優(yōu)先的自動化回歸測試研究.pdf
- 基于相似性的回歸測試用例約簡與優(yōu)先排序方法研究.pdf
- 回歸測試中測試用例優(yōu)先化的研究與實現(xiàn).pdf
- 基于One--test--at--a--time策略的組合測試優(yōu)先級排序方法的研究.pdf
- 基于多目標協(xié)同進化的測試用例優(yōu)先排序.pdf
- 回歸測試方法及測試用例優(yōu)化研究.pdf
- 回歸測試用例的優(yōu)化選擇研究.pdf
- 軟件測試和回歸測試用例選擇算法的研究.pdf
評論
0/150
提交評論