基于改进型遗传算法面向路径测试数据生成

《基于改进型遗传算法面向路径测试数据生成》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、摘要基于改进型遗传算法的面向路径测试数据生成测试数据生成是软件测试过程中最重要的一环。如何在有限的时间及资源条件下生成尽可能有效的测试数据是一个具有重要理论意义和应用价值的课题。手工生成测试数据需要耗费大量的人力物力，并且生成的测试数据不够充分且具有大量的冗余。软件测试数据的自动生成可以提高软件测试的效率。在基于软件结构的测试中，路径覆盖是一种常用的测试覆盖准则。遗传算法是一种模拟自然界生物进化过程的随机搜索算法，通过对个体进行选择、交叉、变异等操作，通过逐步迭代来生成满足要求的解。由于其适应性强、具有全局搜

2、索能力等特点，在面向路径的测试数据生成中广泛应用。但在用传统遗传算法生成面向路径的测试数据时。没有考虑被测程序的结构信息，因而算法迭代次数过多，测试生成效率低下。为提高软件测试数据的生成效率，本文提出了一种改进的遗传算法，利用被测程序的结构信息来辅助交叉、变异点的选取，通过更有针对性的交叉、变异操作来降低测试数据生成所需的迭代次数，并开发了一套利用改进型遗传算法进行面向路径测试数据自动生成的原型系统，可以实现C语言被测程序的测试数据自动生成。大量实验表明，本文提出的改进型遗传算法在应用于面向路径的测试数据自动

3、生成时，比传统遗传算法具有更快的收敛速度，更高的测试数据生成效率。T北京化工人学硕：}：学位论文关键词：遗传算法，程序路径，测试数据生成，程序结构信息ABSTRACT一——————————————————————————————————————————————————————————一Path．orientedTestDataGenerationbasedOilModifiedGeneticAlgorithm’Testdatagenerationisakeypointinsoftwaretestingproc

4、ess．Howtogenerateeffectivetestdataunderalimitedtimeandresourceisofgreatvalueinboththeoreticalandappliedaspects．Manuallygeneratingtestdataconsumestoomuchresourceandthetestdataisalwaysinsufficientandredundant．Automatictestdatagenerationwillmakesoftwaretestmor

5、ee伍cient．Instructuraltesting，pathcoverageisapopularcoveragecriterion．Geneticalgorithm(GA)isarandom—basedsearchalgorithmwhichsimulatesthermturalevolutionprocess．Byconductingtheselection，crossoverandmutationoperations，GAistryingtogeneratethesolutionduringamou

6、ntofiterations·Duetoitsadaptabilityandglobalsearchingability,geneticGAhasbeenwidelyusedinpath—orientedtestdatageneration．However,GAdoesnotconsiderthestructuralinformationoftheprogramundertestwhengeneratingpath．orientedtestdatathusitsuffersfromhighiterationt

7、imesandlowefficiencyInordertoimprovethetestdatagenerationefficiency,thispaperproposesamodifiedgeneticalgorithm(MGA)whichusesstructuralinformationofthem北京化T人学硕上．学位论文programundertesttohelpchoosingthecrossoverandmutationpoint．Withthehelpofprecisecrossoverandmu

8、tationoperations，theiterationtimesneededwhengeneratingtestdatacanbereduced．Besides，apath．orientedtestdatagenerationprototypesystemwhichusesthemodifiedgeneticalgorithmhasbeendeveloped．Usingthisprototype