基于分层遗传算法的测试数据自动生成方法研究.pdf

《基于分层遗传算法的测试数据自动生成方法研究.pdf》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、基于分层遗传算法的测试数据自动生成方法研究刘树荣2015年1月中图分类号：TP309.5UDC分类号：004基于分层遗传算法的测试数据自动生成方法研究作者姓名刘树荣学院名称软件学院指导教师薛静锋教授答辩委员会主席郑澎申请学位工学硕士学科专业软件工程学位授予单位北京理工大学论文答辩日期2015年1月ResearchonAutomaticGenerationofTestDataBasedonHierarchicGeneticAlgorithmCandidateName：ShurongLiuSchoolorDepartment:Software

2、ofSchoolFacultyMentor:Prof.JingfengXueChair,ThesisCommittee：PengZhengDegreeApplied:MasterofPhilosophyMajor：SoftwareEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January，2015摘要随着软件项目规模的不断扩大和软件技术的不断发展，软件测试在软件开发的前期和后期具有越来越重要的作用。在软件测试中，测试数据选择是否合适直接影响软件的缺陷能否

3、按预期被测出，因此测试数据选择具有重要作用。基于遗传算法的测试数据生成一直被人们广泛研究，但遗传算法具有收敛速度慢和局部收敛等问题。本文研究分析了基本遗传算法在测试数据自动化生成中的应用，针对基本遗传算法在测试数据自动生成的收敛速度慢和局部收敛的缺点，提出了一种基于分层遗传算法的测试数据自动生成方法。本方法利用分层遗传算法来生成测试数据，分层遗传算法是对基本遗传算法的改进，它通过对初始种群分层来避免基本遗传算法“近亲繁殖”现象。同时，本文提出的基于分层遗传算法的测试数据自动生成方法利用基于哈夫曼编码的适应度函数设计，使得生成测试数据的效率

4、极大提高。本方法能有效的解决基本遗传算法生成测试数据的收敛速度慢和局部收敛的问题，优化测试数据的自动化生成。在提出基于分层遗传算法的测试数据自动生成方法后，本文搭建基于分层遗传算法的测试工具模型，该测试工具模型包括路径分析器、谓词插装器、基于分层遗传算法的测试数据生成器三部分。在提出基于分层遗传算法的自动化测试数据生成工具模型后，本文对工具模型进行了开发实现。工具开发实现后，本文通过基本程序（三角形分类和最大值最小值）和基于Selenium的自动化测试项目进行了实验验证和结果分析。同时对工具的参数设置对工具性能影响进行了实验验证和结果分析

5、。实验结果表明，分层遗传算法生成最优测试数据的速度和质量相比基本遗传算法都有很大程度的提高，更加适合测试数据的自动化生成。关键词：分层遗传算法测试数据子种群适应度函数IAbstractWiththeexpansionofsoftwareprojectsandthedevelopmentofsoftwaretechnology,softwaretestinghasanincreasinglyimportantroleintheearlyandlatestageofsoftwaredevelopment.Insoftwaretesting,t

6、heselectionoftestdatadirectlyimpactiftheerrorsofsoftwarecanbedetectedasexpected,sotheselectionoftestdataplaysanimportantrole.Thegenerationoftestdatabasedongeneticalgorithmhadbeenwidelystudied.Butthegeneticalgorithmhasslowconvergence,localconvergenceandotherissues.ThisPape

7、rresearchedandanalysedonthetestdataautomatedgenerationmethodbasedonbasegeneticalgorithm.Tosolvetheslowconvergence,localconvergenceandotherissues,thispaperproposedamethodthatisgenerationtestdatabasedonhierarchicalgeneticalgorithm.ThismethodusesHierarchicalgeneticalgorithm.

8、Hierarchicalgeneticalgorithmimprovesbasegeneticalgorithmbydividingtheinitialpopulationtolayerson