基于变量分组的路径覆盖测试数据生成建模及进化求解

《基于变量分组的路径覆盖测试数据生成建模及进化求解》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、硕士学位论文基于变量分组的路径覆盖测试数据生成建模及进化求解ModelandEvolutionarySolutionforTestDataGenerationofPathCoverageBasedonVariableGrouping作者：李彬导师：姚香娟教授中国矿业大学二○一六年五月中图分类号学校代码10290UDC密级公开中国矿业大学硕士学位论文基于变量分组的路径覆盖测试数据生成建模及进化求解ModelandEvolutionarySolutionforTestDataGenerationofPathCoverageBasedonVariab

2、leGrouping作者李彬导师姚香娟申请学位理学硕士培养单位理学院学科专业数学研究方向进化测试答辩委员会主席评阅人二○一六年五月论文审阅认定书研究生李彬在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格;在我的指导下完成本学位论文，经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字:年月日致谢三年的研究生求学生涯，从懵懂的渴求学术钻研的少年，到如今怀揣梦想的即将毕业的研究生，回顾过往，倍感时光匆匆。值此论文完成之际，谨向我的导师姚香娟致

3、以最深的敬意和最衷心的感谢！本论文是在恩师姚香娟教授的字斟句酌、悉心指导、关心和鼓励下完成的。从论文的选题、构思、撰写、修改和定稿的各个环节，倾注了导师极大的心血和精力。在学习、生活和科研道路上的做人和做事得到了老师的用心帮助和指导，恩师严谨的治学态度、博大的学识、敏锐的思维和言传身教教学理念，都使我深受启发并获益终身，让我不仅学到了扎实的专业知识，提高了自身科研实践能力，更重要的是学会做人的道理。在我硕士学位求学期间，也得到了许多老师的帮助和指导，包括宋晓秋院长、苗连英教授、周圣武教授、王登银教授以及刘文斌教授等，以及信电学院巩敦卫教授，谢谢

4、你们！同时，感谢在中国矿业大学研究生三年，一起学习，互帮互助的同学和朋友们，是共同的督促和鼓励让我认真、踏实、顺利的完成毕业论文的撰写工作，由衷的感谢你们：师兄李鑫、郭仪昊，师姐顾雅莉、王文亮，师妹陈丽娜、王佩佩，最要感谢的还有一起走过三年的同门胡雷，以及一起在理A306一起成长和努力的兄弟姐妹。三年转瞬即逝，在这里还要感谢我的家人，特别是我的父母，我的兄长李亚、李勇以及姐姐、妹妹对我的照顾和支持，有了他们在精神上的鼓励和生活中无微不至的关怀，我才得以更好的完成学业。最后，感谢参加本论文审稿和答辩的专家和教授！衷心谢谢你们在百忙之中审阅我的论文

5、和参加我的论文答辩，并恳请你们多多给予宝贵意见!摘要计算机软件是信息产业的重要组成部分，如何保证其安全、稳定和可靠性,一直是学术界和产业界的热门研究问题和关注焦点。提高软件质量的重要且不可或缺的措施之一，是在投入市场使用之前进行大量测试，从而挖掘软件中可能存在的各种缺陷，并及时修复和改完善。而要进行软件测试,就要按照一定的测试准则，生成相应的测试数据，从而保证测试的有效性和可靠性。路径覆盖测试是一种非常高效且经典的测试方法。路径覆盖测试需要对给定的目标路径，生成能够覆盖所有目标路径的测试数据。但是，对一些复杂软件，有些路径很难覆盖，利用传统方法

6、生成测试数据的效率很低。利用进化优化方法解决路径覆盖测试问题，已经取得了很多研究成果。但是，当变量的个数很多时，利用遗传算法生成测试数据时，效率非常底下，原因在于，变量个数的增加导致问题的搜索空间急剧加大，从而使得搜索难度加大。另外，当目标路径个数很多时，利用传统遗传算法生成测试数据的效率也有待进一步提高。鉴于此，本文提出基于变量分组的测试数据生成方法，有效提高测试数据生成质量。首先，结合图的基本概念和程序的控制流图，判断变量与节点、变量与路径以及变量之间的相互关系，给出变量的相关性定义；然后，根据变量之间的相关性实现对变量的分组，将多变量输入

7、的高维优化问题转化为多个含有少变量的子优化问题，每一个子问题都是包含与目标路径相关的少量输入变量；最后，结合变量分组结果，采用协同进化遗传算法求解所建立的优化模型，实现目标路径覆盖测试数据生成。最后的实验结果表明，采用分组策略可以提高测试数据生成的效率。其次，给出了基于路径分组的多路径覆盖测试数据生成方法。首先，利用变量之间的连接强度对变量进行分割，将变量分为若干组；然后，根据变量分组的结果，并依据变量所在节点的位置信息以及节点与路径的关系，以及路径与路径之间的相似度，对程序中包含的多个目标路径进行分组，从而将覆盖所有目标路径问题转化为有限分组

8、后的路径覆盖问题；最后，采用合作型协同进化算法对模型进行求解，更快的生成覆盖所有目标路径的测试数据。最后的实验证明了该方法的有效性。本文的研究成果为解