回歸測試用例集優(yōu)化技術研究.pdf

1、在軟件開發(fā)過程中，為了保證軟件的質量，需要頻繁的執(zhí)行回歸測試，導致了極大的資源消耗。回歸測試用例集優(yōu)化可以大大降低測試成本，受到了業(yè)界廣泛的關注，成為了一個研究熱點。目前的工作主要是利用一些優(yōu)化算法或者交互策略，在原始測試用例集中選擇滿足測試需求的用例子集，以達到縮減原始測試用例集規(guī)模及減少資源消耗的目的。這些研究取得了一定的成果，但它們僅僅局限于模擬的仿真環(huán)境，很難滿足軟件測試的實際需要。因此，如何針對實際的軟件測試環(huán)境進行回歸測試用

2、例集優(yōu)化仍然面臨很多挑戰(zhàn)。
　　本文研究測試用例最小化的優(yōu)化技術。綜合考慮實際軟件測試環(huán)境中不同的測試用例運行代價和測試需求的重要程度，針對這一組合優(yōu)化問題，設計了改進的遺傳算法來解決優(yōu)化中的問題。
　　遺傳算法解決組合問題具有較好的效果，但是，算法具有過早收斂、進化過程中容易丟失基因等缺點。本文設計的改進算法可以有效地克服這些缺點，主要思想和過程：首先，根據(jù)測試用例的代碼覆蓋率，構造基因編碼方式，并且在此基礎上，設定初始群

3、體；結合測試需求的權重、測試用例的代碼覆蓋率和運行代價設計適應度函數(shù)；然后，為了保證種群個體的多樣性，降低冗余度，對選擇算子提出了改進策略；為了刪除冗余的基因，防止基因的重復和丟失，對交叉算子的單點交叉操作進行了改進；同時，本文還提出了適應性交叉概率的算法實現(xiàn)，有效地避免了算法在初期階段陷入局部最優(yōu)，提高了算法后期階段的收斂速度。最后，將改進的遺傳算法和經(jīng)典遺傳算法分別應用于測試用例最小化問題上，并通過仿真實現(xiàn)。實驗結果對比表明，改進的