基于維持種群多樣性的測試數據生成算法的研究.pdf

1、測試數據自動化生成技術嘗試尋找一個相對小的數據集來滿足測試充分性標準，以降低軟件測試的成本，提高測試效率。由于程序語言的復雜性以及被測程序的多樣性，隨機生成方法和靜態(tài)分析方法存在較大的局限性。近年來，動態(tài)測試數據生成方法成為研究的熱點，這類方法大部分基于元啟發(fā)式算法模型。
　　 本文提出一種基于維持種群多樣性的演化算法來求解測試數據集，以滿足條件/判定充分性標準。本文算法是一種基于擴展分支覆蓋表的測試數據生成算法，覆蓋表存儲了覆

2、蓋每一個條件/判定語句的數據集，數據集通過淘汰算法來維護其多樣性特征。算法利用啟發(fā)信息迭代地選擇一個條件/判定語句作為子目標，通過演化算法生成數據以覆蓋目標。在此算法框架內，本文提出了一種新的計算評估值的方法，用于計算數據與測試項的距離信息；以及利用歸一的曼哈頓距離計算測試數據差異性，通過淘汰原則把差異性較小的測試數據淘汰掉。算法最后階段，利用貪心算法對測試數據集進行提取，在滿足相同的條件/判定覆蓋率的基礎上，減少數據集中的數據個數。此