基于遺傳算法的測試用例產(chǎn)生系統(tǒng)關鍵技術研究.pdf

1、測試用例的自動產(chǎn)生方法是目前軟件測試領域研究的重要內(nèi)容之一。遺傳算法作為一種高效的搜索尋優(yōu)算法，近年來日益受到國際學術界的重視，由于該算法具有較強的建模能力和自適應性，也越來越受到軟件測試界的重視，逐漸成為測試用例產(chǎn)生方法的重要研究內(nèi)容之一。將遺傳算法用于測試用例產(chǎn)生系統(tǒng)時，適應度函數(shù)是影響算法效率的關鍵，選擇算子則是決定算法能否同時產(chǎn)生多條路徑上的測試用例的主要因素。目前用遺傳算法產(chǎn)生多參數(shù)程序的測試用例時效率較低，而且無法同時產(chǎn)生多

2、條路徑上的測試用例。為了解決這些問題，需要設計高效的適應度函數(shù)，尋求能產(chǎn)生多條路徑上測試用例的選擇算子。 為了克服現(xiàn)有遺傳算法產(chǎn)生測試用例時效率較低的缺陷，通過分析適應度函數(shù)的特點，研究參數(shù)個體及其覆蓋路徑與適應度函數(shù)之間的關系，設計了基于海明距離的適應度函數(shù)方案，該適應度函數(shù)利用路徑覆蓋狀態(tài)的決策變量作為參數(shù)。在此基礎上，用二重結構編碼方法對個體進行編碼，除變量碼表示個體值外，使用附加碼表示交叉和變異操作的操作點范圍，以提高算

3、法的局部搜索能力。 針對基本遺傳算法每次只能產(chǎn)生一條路徑上測試用例的問題，研究了選擇算子對優(yōu)化目標準則的影響。從多目標優(yōu)化的角度設計了基于輪盤賭選擇方法的加權選擇算子，同時考慮所有目標路徑對個體選擇概率的影響，提高算法產(chǎn)生多條路徑上測試用例的能力。 將基于適應度函數(shù)和選擇算子的改進整合，結合基本遺傳算法的體系結構，提出改進遺傳算法，并應用到測試用例產(chǎn)生問題中。研究結果表明，改進后的算法搜索效率高于基本遺傳算法，并且具備了