基于遗传算法的mcdc测试数据自动生成技术研究

《基于遗传算法的mcdc测试数据自动生成技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工程大学硕士学位论文基于遗传算法的MC/DC测试数据自动生成技术研究姓名：高昕睿申请学位级别：硕士专业：导航、制导与控制指导教师：孙尧20110304基于遗传算法的MC／DC测试数据自动生成技术研究掂面捅要测试数据生成是软件测试的重要内容，随着现代软件系统日益复杂庞大，传统的搜索技术难以有效地应用于测试数据生成领域。遗传算法在解决大空间、非线性等高复杂度问题时，显示了独特的优势。因此，研究遗传算法与测试数据自动生成相结合的技术具有重要意义。本文从测试数据自动生成在实际工程领域的应用出发，研

2、究了遗传算法和测试数据自动生成的基本理论，深入分析了目前测试数据生成技术的覆盖准则和与之相适应的遗传算法适应度函数的构造中存在的局限性，重点以生成满足MC／DC的测试数据为目标，设计实现了基于遗传算法的MC／DC测试数据自动生成方法。首先，深入研究了测试数据自动生成技术的相关理论，重点阐述了面向结构的测试数据自动生成技术，研究了遗传算法的基本原理和实施步骤，分析了应用遗传算法进行测试数据自动生成的可行性。其次，研究了基于遗传算法的测试数据自动生成工作流程，同时，详细的分析了目前测试数据生成普遍使

3、用的覆盖准则和与之相适应的遗传算法适应度函数的构造，深入分析了其中存在的不足，并对这两个问题分别提出相应的解决方案。然后，着重阐述了应用遗传算法进行MC／DC测试数据自动生成的具体实现。针对MC／DC测试数据的特殊性，研究了通过对代码进行静态分析，获取MC／DC测试用例预期结果集的方法，以此作为遗传算法实际运行的搜索目标。根据实际情况，确定了参数编码方式。在适应度函数的构造上，结合链接法思想，以传统适应度函数为基础，提出以获取直接或者通过数据依赖间接影响问题节点遍历的控制节点的方法来优化接近水平

4、适应评价。接着，设计了选择策略和交叉、变异方法，完成了基本遗传操作。并综合上述研究，给出了基于遗传算法的MC／DC测试数据自动生成框架。通过比较本文的研究成果与使用传统适应度函数的遗传算法在基准程序上的运行结果，验证了本文算法的有效性及进步性，同时讨论了输入域空间和搜索迭代次数对本文算法性能的影响。并将本文算法与其他搜索算法进行对比，验证了本文算法性能的优良。最后，将本文算法应用于实际软件系统，得到了令人满意的效果。关键词：测试数据生成；遗传算法；修正条件判定覆盖(MC／DC)基于遗传算法的MC

5、／Dc测试数据自动生成技术研究_IIAbstractGenerationoftestdataisakeyforsoftwaretesting．Asmodernsoftwaresystembecomeslarger,andmoreandmorecomplicated，traditionalsearchtechnologycanhardlybeappliedinthefieldoftestdatageneration．Geneticalgorithmindicatesuniquesuperiorit

6、ywhensolvingbigspace，nonlinearproblems．Therefore，theresearchofcombinggenetictestandautomatictestdatagenerationisrewarding．Fromtheapplicationperspectiveoftestdatageneration，thispapercontainsbasicprinciplesofgeneticalgorithmandtestdataautomaticgenerati

7、on，andanalysisofcoveragecriterionforcurrenttestdatagenerationandconstructionlimitationofthefitnessfunctionofthecorrespondinggeneticalgorithm．ThecoreistogeneratetestdatawhichmeetsforMC／DC，thedesignrealizesMC／DCbasedtestdatageneration．Firstofall，adeepr

8、esearchofrelevantprincipleconcerningtestdataautomaticgenerationwasperformed，whichfocusesontestdataautomaticgenerationfromtheperspectiveofstructural，basicprincipleandimplementedprocessofgeneticalgorithm，andalsoanalyzedapplicabilityofappliedgeneticalgo