回归测试的测试用例优先级排序问题研究

《回归测试的测试用例优先级排序问题研究》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、回归测试的测试用例优先级排序问题研究Researchoftestcaseprioritizationforregressiontesting专业：软件工程作者姓名：赵晓彬指导教师：王寒副教授天津大学软件学院二零一五年十一月摘要回归测试是一个频繁进行但成本高昂的测试过程。它验证版本更新后的软件系统，确保之前版本中已经通过测试的程序行为不发生变化。作为一种提高回归测试中测试用例使用效率的重要技术，测试用例优先级排序的研究重点是回归测试中测试用例执行顺序的问题。不同于测试用例选择和测试用例集最小化，测试用例优先级排序不会丢弃任何一个测试用例，认为不同的测试用例对测试目

2、标的贡献度不同。那些对测试目标来说更重要的测试用例将被赋予更高的优先级并被优先执行。根据软件测试人员通过测试用例的优先级排序想要达成的测试目标进行分类，之前的研究主要包括：基于覆盖率的测试用例优先级排序和基于检错率的测试用例优先级排序。在基于覆盖率的测试用例优先级排序技术中，基于贪心策略的算法是最有效的。但是，这类算法的稳定性和可扩展性较差。因此，本文在第三章中提出了一种新的基于改进的退火-遗传算法的回归测试测试用例优先级排序技术。三个Java程序和五个C语言程序作为实验对象用来比较该技术与之前的五种技术包括基于贪心算法的技术、基于改进的贪心算法的技术、基于遗传

3、算法的技术、基于模拟退火算法的技术和基于爬山算法的技术在代码覆盖效率和时间性能两方面的表现。实验结果表明本文提出的技术能够取得与基于贪心策略的技术一样好的表现，并且具有较好的稳定性和可扩展性。之前的基于检错率的测试用例优先级排序的相关研究证明基于贝叶斯网络的技术拥有最好的表现。该技术的模型集成了程序源代码的修改信息、软件质量的度量信息和测试覆盖信息。然而，该技术仍然存在一个缺陷：忽略了测试用例间的相似度对优先级排序效果的影响。因此，本文在第四章中提出了一种基于聚类-贝叶斯网络的测试用例优先级排序技术，并且在两个包含变异植入错误的Java程序和一个包含人工植入错误

4、的Java程序上比较了本文提出的技术与四个相关的技术在错误检测效率方面的表现。实证实验的结果显示该技术的表现要明显好于那四个相关的技术。关键词：回归测试，测试用例优先级排序，遗传算法，模拟退火算法，聚类，贝叶斯网络ABSTRACTRegressiontestingisafrequentandcostlytestingprocess.Itvalidatesthemodifiedsoftwareandverifiesthatwhetherthecodethathasbeentestedhasbeencausednewfaults.Asanimportanttechn

5、iqueforimprovingtheefficiencyinusingtestcases,regressiontestcaseprioritizationfocusesontheexecutionorderoftestcaseusedinregressiontesting.Differentfromtestcaseselectionandtestsuiteminimization,testcaseprioritizationdoesn’tdiscardanytestcaseandassumesthatdifferenttestcasesmakedifferen

6、tcontributionstothetestinggoals.Thosetestcaseswhicharemoreimportantforthetestinggoalswillbehigherscoredandexecutedearlier.Accordingtothetestinggoalswhichsoftwaretestersintendtoachievebytestcaseprioritization,previoustechniquescanberoughlycategorizedintotwoclasses,oneforrateofcodecove

7、rageandtheotherforrateoffaultdetection.Amongtestcaseprioritizationtechniquesforrateofcodecoverage,greedybasedalgorithmsarethemosteffectivebutnotstableandscalabletechniques.Forthisreason,thispaperproposesanewregressiontestcaseprioritizationtechniquebasedontheimprovedAnnealing-Genetica

8、lgorithminth