逐步求精的回歸測試用例選擇技術的研究.pdf

1、軟件測試是為了保證軟件的正確運行而進行的一項重要活動，回歸測試是軟件修改后為了確認修改的正確性而進行的軟件測試。回歸測試策略分為重測所有(retest-all)和選擇性(selective)重測兩種策略。隨著軟件規(guī)模的不斷擴大，選擇性重測越來越顯示出它的優(yōu)越性，因為它只選擇部分測試用例來測試修改后的軟件?；貧w測試在軟件測試的過程中占有很大的比重，因此選擇正確的回歸測試策略將能節(jié)省測試成本，并提高測試的效率。
　　 目前選擇性回歸

2、測試方面的研究有很多，選擇一個盡可能小并且又能覆蓋所有改變和受改變影響的代碼的測試用例集是研究的重點。目前選擇性回歸測試策略的分析粒度主要有類級別、類成員級別和語句級別。由于不同的分析粒度不但對應著不同的分析代價，也對應著不同的測試代價。一般來說，分析粒度越小，分析代價越大，但是測試代價越小；分析粒度越大，分析代價越小，但是測試代價越大。在大型軟件的維護過程中，合理的分配分析代價和測試代價將具有很大的經(jīng)濟效益。
　　 本文在對面

3、向?qū)ο筌浖奶攸c和Java的分層特性研究的基礎上，提出了逐步求精的回歸測試用例選擇策略。該策略的分析粒度為包級、類級和類成員級，與其他選擇性回歸測試策略相比，它的優(yōu)越性在于：
　　 1.粒度小于類級分析，因此得到的測試用例集將是類級分析的一個子集。
　　 2.粒度大于語句級分析，因此分析代價將顯著的小于語句級分析的分析代價。
　　 3.由于是逐步求精，每一層次為下一個層次的分析只提供一個子集來進行分析；而目前的語