-
题名基于深度强化学习的类集成测试序列生成方法
- 1
-
-
作者
张颖辉
张艳梅
张志成
姜淑娟
丁艳茹
袁冠
-
机构
中国矿业大学矿山数字化教育部工程研究中心
中国矿业大学计算机科学与技术学院
广西可信软件重点实验室(桂林电子科技大学)
南方科技大学工学院计算机科学与工程系
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第2期455-466,共12页
-
基金
国家自然科学基金(No.61673384,No.71774159)
中国博士后基金特别资助(No.2021T140707)
广西可信软件重点实验室研究课题(No.kx201609)。
-
文摘
类集成测试序列的生成是面向对象软件测试中的关键步骤,当类的测试序列不同时,相应的测试代价也不相同.在集成测试中生成一个合理的类集成测试序列可以有效降低软件测试的代价.本文将深度强化学习中的Advantage Actor-Critic算法应用于解决类集成测试序列生成问题.首先,利用类间各种依赖关系构建与智能体交互的环境模型;然后,记录智能体从初始状态到终止状态的路径,即每次选择的动作对应每次选择集成到序列的类编号;最后,得出最终的类集成测试序列.实验结果表明,本文方法所得到的类集成测试序列花费的总体测试桩复杂度,在选取的7个项目中有5个表现最佳,在剩余2个项目中表现中等.
-
关键词
集成测试
测试序列
深度强化学习
advantage
actor-critic
测试桩复杂度
-
Keywords
integration test
test order
deep reinforcement learning
advantage actor-critic
complexity
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
