基于聚類技術(shù)的面向?qū)ο筌浖y試用例生成方法研究.pdf

1、隨著面向?qū)ο蠹夹g(shù)的不斷發(fā)展，面向?qū)ο筌浖玫搅藦V泛的應(yīng)用。然而由于面向?qū)ο笳Z言的封裝性、繼承性和多態(tài)性等特性，傳統(tǒng)的軟件測試技術(shù)并不能直接應(yīng)用于面向?qū)ο筌浖y試。由于隨機(jī)測試的簡單性和易用性，隨機(jī)測試已被普遍的應(yīng)用到面向?qū)ο筌浖臏y試中。但是隨機(jī)測試的有效性和效率會受到被測軟件的大小和復(fù)雜性影響，自適應(yīng)隨機(jī)測試能夠克服這一缺陷。自適應(yīng)隨機(jī)測試的核心思想是通過給定的度量機(jī)制來生成均勻分布在整個輸入域上的測試輸入。通過定義好的一種對象間的距

2、離度量機(jī)制，將自適應(yīng)隨機(jī)測試技術(shù)與面向?qū)ο筌浖y試結(jié)合在一起，就形成了面向?qū)ο筌浖赃m應(yīng)隨機(jī)測試方法。
　　然而，傳統(tǒng)的面向?qū)ο鬁y試方法在選擇測試用例執(zhí)行時帶有隨機(jī)性，極有可能會連續(xù)重復(fù)執(zhí)行相似的測試輸入，導(dǎo)致類似的測試結(jié)果的產(chǎn)生，降低了缺陷發(fā)現(xiàn)的效率。若將有不同特性且均勻的分布在輸入域上的測試用例優(yōu)先執(zhí)行，提高測試用例的多樣性，那么就能更快的找出缺陷。
　　另外，在面向?qū)ο笞赃m應(yīng)隨機(jī)測試中，所有已執(zhí)行的測試用例將放到一個集

3、合中作為已執(zhí)行測試用例集，并生成固定數(shù)量的測試用例放入另一個集合中作為候選測試用例集。為了減少時間開銷，自適應(yīng)隨機(jī)測試往往從已執(zhí)行測試用例集中根據(jù)一定策略挑選出部分測試用例來代表整個已執(zhí)行測試用例集并與候選測試用例集中的測試用例進(jìn)行距離計算，從而挑選出距離已執(zhí)行測試用例集最遠(yuǎn)的測試用例作為下一個執(zhí)行對象?，F(xiàn)有面向?qū)ο笞赃m應(yīng)隨機(jī)測試在已執(zhí)行測試用例集中采取的策略具有隨機(jī)性，并不一定能挑選出具有代表性的測試用例，這有可能會影響到所挑選的下一

4、個測試用例的執(zhí)行效果，從而影響缺陷發(fā)現(xiàn)能力。
　　本文針對以上問題分別提出了基于k中心點(diǎn)的面向?qū)ο筌浖y試用例生成方法和基于k均值的面向?qū)ο筌浖赃m應(yīng)隨機(jī)測試用例生成方法，并分別對所提出的方法進(jìn)行了大量實(shí)驗(yàn)以證明方法的可行性。同時完成了一個基于聚類的面向?qū)ο筌浖y試原型系統(tǒng)。本文主要工作闡述如下：
　　1.提出了基于k中心點(diǎn)的面向?qū)ο筌浖y試用例生成方法。在該方法中提出了兩種測試用例聚類算法 MOClustering（Met

5、hod Object Clustering）和DMClustering（Distance Metric Clustering）。在MOClustering算法中，測試用例中的對象數(shù)和方法數(shù)被用來代表測試用例，并用k中心點(diǎn)聚類算法對測試用例進(jìn)行聚類。DMClustering算法使用了一種度量機(jī)制直接計算測試用例間的距離，同時也采用了k中心點(diǎn)聚類算法對測試用例進(jìn)行聚類。在完成聚類之后，基于自適應(yīng)隨機(jī)思想，提出了一種取樣算法MSampling

6、（Maximum Sampling），該算法保持了測試用例的多樣性，生成了用于面向?qū)ο筌浖y試的測試用例集。
　　2.提出了基于k均值的面向?qū)ο筌浖赃m應(yīng)隨機(jī)測試用例生成方法及其兩種算法WClustering-ART（Trisection Frequency Conversion Clustering- Adaptive Random Testing）和TFClustering-ART（Wavelet Clustering- Ad

7、aptive Random Testing），并相應(yīng)的提出了兩種面向?qū)ο筌浖y試用例距離的度量機(jī)制WTS（Wavelet Transform Similarity）和TFCS（Third Frequency Conversion Similarity）。WClustering-ART和TFClustering-ART分別運(yùn)用WTS和TFCS距離度量機(jī)制將聚類技術(shù)與自適應(yīng)隨機(jī)測試技術(shù)相結(jié)合，從而將自適應(yīng)隨機(jī)測試作用到面向?qū)ο筌浖臏y試中。

8、對自適應(yīng)隨機(jī)測試的已執(zhí)行測試用例集進(jìn)行聚類得到具有代表性的已執(zhí)行測試用例子集，用該子集代表整個已執(zhí)行測試用例集來計算距離最遠(yuǎn)的下一個測試用例。
　　3.設(shè)計實(shí)現(xiàn)了一個測試原型系統(tǒng)OOSTS（Object Oriented software Testing System）。其中包含了系統(tǒng)的類圖錄入模塊、距離度量模塊、測試用例生成模塊、MOClustering算法模塊、DMClustering算法、和TFClustering-ART算