教学课程资源库 更多>>

关键词： 软件测试   错误定位   变异分析   图表示方法   PageRank算法  

摘要： 程序错误定位是提升软件质量的关键环节,其核心在于计算程序实体的怀疑度并生成排序列表,指导开发者精准定位错误代码位置。然而,现有技术普遍面临程序测试执行特征利用不足与计算效率低下的双重挑战:传统方法依赖离散覆盖矩阵表征程序测试行为,忽视实体间结构关联;基于变异的错误定位技术虽能提升精度,却因大规模变异体生成与测试执行导致高昂计算成本。 本文提出一种基于图表示的程序自动化错误定位的优化技术,通过三阶段方法实现精度与效率的协同提升。在方法设计层面,首先构建程序测试多元关系图(Multivariate Relationship Graph,MRel G),整合代码抽象语法树、动态覆盖路径及变异体衍生关系,将方法、语句、测试用例和变异体等异构实体建模为图节点,构建四维关联网络;其次,基于双通道PageRank权重分配机制,通过迭代量化节点拓扑重要性,创新性地将图中节点权重与传统怀疑度进行非线性融合,实现了对怀疑度的精炼;最后,提出程序测试多元关系图的约减方法,通过方法—语句—测试三元组必要性分析,实现对变异体生成规模和测试用例集两个维度的约减,在保证定位精度的同时实现了变异分析时间成本的降低。 在Defects4J数据集的实验验证表明,通过怀疑度精炼技术调整后,相比传统SBFL技术,Top-1定位成功率较基线提升35%,成功解决80.06%的tie问题数量;对比传统MBFL技术,Top-1成功率提升39.4%,tie问题数量消解率达83.04%。实验通过跨公式验证,证明本方法在Tarantula、Ochiai等10种怀疑度公式中均保持稳定性。在与Grace技术的怀疑度评估结果融合后,在Top-1指标中依然有2.8%的提升效果,证实其与传统方法及前沿技术的兼容性优势。 针对程序测试多元关系图在大规模程序中节点激增导致的效率问题,通过建立变异体生成与测试执行的协同优化机制,将变异体生成规模和测试用例集分别压缩了49.5%和66.2%,且实验证明约减后的程序测试多元关系图在怀疑度精炼上的表现与约减前具有相似的定位精度,而变异分析时间成本降低了82.5%,实现效率与精度的协同提升。

关键词： 深度学习   软件测试   测试过程改进   人工智能  

摘要： 阐述通过将深度学习技术融入测试工具与方法中，如利用CNN赋能Selenium、结合GAN生成测试用例等，实现测试工具与方法的融合及不同测试技术的协同，该技术有效提高了测试覆盖率和准确性。

关键词： 软件测试   HP-ALM   虚拟机安装  

摘要： 阐述HP-ALM环境的搭建是软件测试课程教学中需要掌握的重要内容，根据教学实践的特点，可以在虚拟机中练习HP-ALM环境的搭建。为此，总结HP-ALM在虚拟机安装时需要的软件、具体安装步骤和安装过程中需要注意的问题。

关键词： 软件测试   AI大模型   岗位  

摘要： 随着“互联网+”的快速发展，软件测试人才的需求逐渐增大。为了培养的软件测试人才更好的符合企业的需求，结合高职院校当前的软件测试课程教学情况，本研究通过AI大模型与“岗课赛证”融合进行分析。将AI大模型、岗位需求、各类软件测试大赛和“1+X”软测证书的各类知识技能点融合进软件测试课程中，对软件测试课程体系进行研究，从而实现软件测试课程教学与社会需求的深度融合。

关键词： 信创测试   课程改革   校企合作   软件测试   职业发展指导  

摘要： 为适应信创产业对高素质软件测试人才的需求，亟需对软件测试技术与应用课程进行全面改革。通过加强校企合作，课程引入实际案例和先进的测试工具，旨在大幅提升学生的实践能力和就业竞争力。改革的重点包括优化课程内容、改进教学方法，以及提供明确的职业发展指导。这些措施有效增强了课程的实用性和学生的学习兴趣，预计学生的满意度和实践能力将显著提高。

关键词： 软件测试   测试用例优先级排序   混合贪心策略   灰狼鲸鱼优化算法  

摘要： 软件测试在软件开发过程中起着至关重要的作用,是保障软件质量与系统安全的重要手段。测试用例优先级技术凭借资源分配快、测试效率高和覆盖范围广等优势,在软件测试领域得到广泛应用。然而,现有工作采用基于贪心算法的Additional策略时,忽视了用例间的关联性及覆盖标准的个体特征,导致优先级划分时间长,并且在随机选择优先级相等的用例时,仍会影响排序的有效性;同时,现有研究采用鲸鱼优化算法确定测试用例优先级时,存在种群多样性低、参数设定冗余以及后期开发能力不足等问题,导致算法易陷入局部最优并快速收敛;此外,现有研究多采用单一算法以提高排序效果,但这些方法的适应能力不足,难以有效应对复杂多变的测试场景。基于此,本文提出以下两种改进方法,旨在弥补现有方法的不足。 其一,提出一种基于多粒度混合贪心策略的测试用例优先级排序方法。首先,进行粗粒度测试用例分组,通过挖掘用例间的隐藏关系,将所有用例分为关键用例组和普通用例组。其次,进行细粒度测试用例分组排序,根据迭代次数将关键用例分组,并提出基于用例潜力度的TP-Additional策略,对部分关键用例排序,而对于普通用例与剩余关键用例,则使用简单高效的Total策略排序,以提高排序效率。通过与6种相关方法在6个数据集上的对比结果发现,所提方法是高效且可行的,在APFD与TETC指标上分别平均提升约1.52%和9.54%。 其二,提出一种基于多策略灰狼鲸鱼算法的测试用例优先级排序方法。首先,为兼顾排序的有效性和效率,设置平均缺陷检测率和有效执行时间这两个优化目标。其次,提出基于均匀动态伪反向学习的种群初始化方法,以提高种群多样性。最后,通过多种策略优化灰狼算法和鲸鱼算法的参数,以增强其全局搜索能力,并利用融合后的灰狼鲸鱼算法应用于测试用例优先级排序过程。通过与8种相关方法在8个程序上的对比结果发现,所提方法是行之有效的,在APFD和APFDc指标上分别平均提升约1.35%和1.37%。 综上,本文结合多种算法的优势,旨在提高测试用例优先级排序的有效性和效率。一方面,所提的基于多粒度混合贪心策略的测试用例优先级排序方法可挖掘并利用用例间的关系,采用不同粒度的分组方法减少优先级划分时间,并通过用例潜力度减少随机选择优先级相等的用例时对排序有效性造成的影响;另一方面,基于多策略灰狼鲸鱼算法的测试用例优先级排序方法采用多种策略优化种群生成方法和参数,增强灰狼鲸鱼算法的全局搜索能力,使其更适配测试用例优先级问题的解空间特性。实验结果表明,所提两种方法均展现出良好的性能,验证了其可行性和有效性。

关键词： 软件测试   教学改革   技能大赛   职业技能  

摘要： 软件测试是保障计算机软件质量最重要的环节。为培养具备创新能力和实践能力的软件测试行业高质量人才，本文提出软件测试课程教学的改革方案。通过建立“四融于课”的内容重构模式和“三寓于教”教学理念，提高学生的实践能力和业务水平。教学改革的实践结果显示，学生的平均成绩实现了稳步增长，同时在技能大赛中的表现和职业技能等级评定上均展现出了积极作用，充分证明了改革策略的有效性与实用性。