基于启发式搜索软件测试数据自动生成

《基于启发式搜索软件测试数据自动生成》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、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇

2、编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要近年来，用户对软件需求的复杂度在逐渐增高，软件规模越来越庞大，软件质量问题得到了广泛的关注。软件测试是保障软件质量的有效手段，其中自动化测试技术能够打破手工测试的局限性，通过自动生成测试数据，有效的提升了软件测试的效率。本文研究如何将启发式算法用于软件测试数据的自动生成，并以三角形分类问题作为实例，验证启发式算法在测试数据自动生成上的优势。本文首先介绍了软

3、件自动化测试的相关技术，重点研究面向路径的测试数据自动生成技术。然后，详细阐述启发式算法相关概念。启发式算法包括遗传算法，模拟退火算法，蚁群算法以及禁忌算法等，是一组指导算法搜索方向的、建议性质的规则集。本文重点研究遗传和模拟退火算法在自动化测试方面的应用。遗传算法是一种全局优化搜索方式，具有广泛的实用性，是从生物的进化过程抽象出来，基于概率意义，随机进行迭代进化的方法。但是，遗传算法具有自身的缺陷。例如，局部搜索能力不足、收敛速度慢以及稳定性也较差。模拟退火算法是局部搜索算法的扩展，针对遗传算法的缺陷，将模拟退火算法与其相结

4、合，可以避免早熟现象的发生。随后，本文详细分析如何将遗传退火算法用于自动化测试中，构建应用模型，搭建测试环境，并对染色体编码以及构造适应度函数。针对路径测试，提出了基于插桩的路径测试数据自动生成方法。最后，以一个典型的例子对模型进行实现，自动生成测试数据，并对结果进行分析，验证遗传退火算法在测试数据自动生成上的优越性。关键词：软件测试，测试数据自动生成，遗传算法，模拟退火算法ABSTRACTInrecentyears,asthecomplexityofthesoftwaregraduallyincreasedandthesca

5、lebecamehuge,softwaretestingismoreandmoreimportant.Thelimitationofmanualtestingisbrokenbyautomationsoftwaretesttechnology,soitenhancestheefficiencyofgeneratingtestdata.Thispaperdiscussesaboutheuristicalgorithmforautomaticgenerationofsoftwaretestdata,andtakesthetrian

6、gleproblemasanexampletoverifythatheuristicalgorithmhasahigherefficiencyintheautomatictestdatageneration.First,thispaperintroducesautomatictestingtechnologyandfocusesonautomatictestdatageneration-pathoriented.Then,itelaboratesheuristicalgorithmsindetail.Heuristicalgo

7、rithms,includinggeneticalgorithms,simulatedannealingalgorithm,antcolonyalgorithmandTabusearchalgorithmisasetofproposedrulesguidingthesearchdirection.Thispaperfocusesongeneticandsimulatedannealingalgorithm.Geneticalgorithmsabstractedawayfromthebiologicalevolutionaryp

8、rocess,basedonthesenseofprobability,randomiterativeevolution.Thegeneticalgorithmisaglobaloptimizationsearchmode,withawiderangeofpractical.