-
题名基于维持种群多样性的测试数据生成算法的研究
被引量：2
- 1
-
-
作者
王建民
蔡媛
-
机构
中山大学信息科学与技术学院
国家数字家庭工程技术研究中心(中山大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2012年第5期1039-1048,共10页
-
基金
国家自然科学基金项目(61073132
60776796)
+2 种基金
广东省自然科学基金项目(9151027501000035)
广东省科技计划项目(2009B010800017)
中山大学基本科研业务费专项基金项目(101gpy33)
-
文摘
测试数据自动化生成技术尝试寻找一个相对小的数据集来满足测试充分性标准,以降低软件测试的成本,提高测试效率.当测试项的数据集大小超过其上限时,算法会使用淘汰算法把差异性较小的测试数据从集合中淘汰掉,把差异性较大的测试数据留下来,以维持种群的多样性.针对此问题,提出一种基于维持种群多样性的演化算法来求解测试数据集,算法利用启发信息迭代地选择一个条件?判定语句作为子目标,通过演化算法生成数据以覆盖目标.在此算法框架内,利用一种新的计算评估值的方法计算数据与测试项的距离信息;以及利用归一的曼哈顿距离计算测试数据差异性,通过淘汰策略把差异性较小的测试数据淘汰掉.在实验中,对14个计算机科学基础算法的基准函数进行了测试,并与现有文献中的测试数据生成方法进行对比,验证了算法有效提高了条件?判定覆盖率,并且减少了测试数据的生成数量,提高了测试性能.
-
关键词
结构化测试
测试数据自动化生成
测试用例
条件/判定覆盖
元启发式搜索技术
-
Keywords
structural testing
automatic test data generation
test case
condition/decision coverage
meta-heuristic search techniques
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
