基于遺傳算法的軟件測試數(shù)據(jù)自動(dòng)生成研究.pdf

1、測試數(shù)據(jù)生成是動(dòng)態(tài)軟件測試中的關(guān)鍵環(huán)節(jié)，它對(duì)于提高軟件測試的能力有著至關(guān)重要的作用。測試數(shù)據(jù)生成問題吸引了許多學(xué)者對(duì)其進(jìn)行研究，人們提出了多種測試數(shù)據(jù)生成方法（如隨機(jī)法、符號(hào)執(zhí)行法、迭代松弛法等），但這些方法存在著諸如測試數(shù)據(jù)生成能力弱、時(shí)間耗費(fèi)大、生成的測試數(shù)據(jù)不能滿足測試標(biāo)準(zhǔn)等不足。 為了提高測試數(shù)據(jù)的自動(dòng)生成能力，本文研究了將遺傳算法作為面向路徑覆蓋的測試數(shù)據(jù)生成的驅(qū)動(dòng)算法即演化測試技術(shù)，該技術(shù)的基本思想是將測試數(shù)據(jù)生成問

2、題轉(zhuǎn)化為可以利用遺傳算法來處理的優(yōu)化問題，利用遺傳算法的快速收斂、強(qiáng)大的全局尋優(yōu)能力減少測試數(shù)據(jù)生成的時(shí)間耗費(fèi)及提高測試數(shù)據(jù)的生成質(zhì)量。 通過對(duì)遺傳算法的研究發(fā)現(xiàn)，雖然它在許多領(lǐng)域都取得了成功的應(yīng)用，但它仍然存在著容易陷入局部最優(yōu)等缺陷。因此，本文提出了一種改進(jìn)的混合遺傳算法模型，該算法模型采用了自適應(yīng)的交叉和變異算子、精英模型；并通過設(shè)置爬山閾值，當(dāng)遺傳算法進(jìn)化到該閾值規(guī)定的代數(shù)仍未取得最優(yōu)解時(shí)，隨機(jī)選擇當(dāng)前群體中若干個(gè)體及精