教学课程资源库 更多>>

关键词： 软件测试   自动化测试   云计算  

摘要： 随着软件开发与更新速度的日益加快,基于云计算的高效软件自动化测试框架方法的研究显得尤为重要.在本文中,我们提出了一个基于云的自动化测试框架,该框架可以利用云技术按需求分配测试资源来提高自动化测试的效率,并给出了测试设计、脚本录制、脚本执行的自动化测试过程.

关键词： 软件测试   测试用例自动生成   遗传算法   自适应调整  

摘要： 软件测试自动化的关键技术之一在于测试用例的生成。运用启发式搜索算法进行软件测试用例生成已被证实是一种有效的方法,其中,遗传算法是使用最为广泛的技术。然而,遗传算法作为一种基于自然选择的搜索算法仍然存在早熟收敛、后阶段收敛速度低等不足,而传统标准遗传算法使用固定的交叉率和变异率作为遗传算子,进化后期个体的趋同化程度越来越高,种群多样性急剧降低,不利于全局寻优,阻碍了其应用于分支覆盖测试用例生成效率的提高。另外,将遗传算法应用于路径覆盖的结构测试中,传统方法在评价函数设计方面不够理想,没有考虑待覆盖目标路径的分支结构性差异,影响了路径覆盖测试生成效率。为此,本文分别对分支覆盖和路径覆盖问题提出基于自适应遗传算法的测试用例生成方法,其主要研究内容概括如下:(1)为维持种群多样性,缓解算法早熟收敛问题,本文利用海明距离计算个体的相似度,结合种群进化过程中个体的适应度差异性,提出一种度量种群多样性的函数,以此作为调节因子,动态调整交叉率和变异率,使遗传算法自适应化。(2)在分析遗传算法和软件测试生成技术的理论基础上,提出一种基于自适应遗传算法的分支覆盖测试用例生成框架,对算法设计过程中的相关算子进行了改进与分析,使其更好地应用于分支覆盖测试用例生成问题。(3)针对目标路径覆盖的测试用例生成这一具体问题,通过程序静态分析,考虑分支嵌套深度对分支谓词的权重影响,结合层接近度和分支距离,提出一种新的适应度函数,动态调整个体的评价值,提高了路径覆盖测试用例的生成效率。为了验证本文方法的有效性,分别选取了一系列基准程序进行实验,实验结果表明:对于分支覆盖测试用例生成问题,当测试用例集规模一定时,本文提出的自适应遗传算法比原始算法加快了收敛速度,提高了分支覆盖率;对于目标路径覆盖测试用例生成问题,本文提出的改进方法比传统方法减少了进化代数和时间开销,且具有更高的路径覆盖成功率。

关键词： 多种群   蚁群算法   量子优化   软件测试  

摘要： 目前,随着科技的进步,硬件产品的性能有着质的提高,特别是存储设备和计算机的计算能力进步巨大,使得软件产品的规模相应变得非常复杂,如何保障软件产品的质量已成为不容忽视的问题。在软件开发的整个生命周期中,软件测试是保障软件质量的关键环节,其作用显得越发的重要。在软件测试过程中,进行测试的难点之一是选择测试用例,这直接关系到错误能否符合预期的设计目标,在测试过程中被检测到。软件测试技术至关重要的技术之一,是测试用例的生成。现行的手工构造测试用例的方法,存在局限性,不仅工作量大、构造周期长,并且容易遗漏无法实现全覆盖。因此,实现高效、快速的测试用例自动生成,对于软件开发的质量,削减开发成本等都有非常重要的实际意义。对于目前已经被提出的一些自动生成软件测试用例的方法,虽然具有一定的实际应用性,但是由于生成测试用例的效率低,对于高速发展的软件技术来说,具有极大的局限性。目前,仍然没有哪种方法能够完善的解决这个问题,只能依赖于具体工程上的实际经验去判断,这严重的限制了测试技术的发展。因此,研究如何解决这些问题,在工程和学术上,都具有重要的意义。针对这种情况,本文提出了改进蚁群算法用于测试用例生成方法的研究,目的是基于其他学者现有工作的基础上进行改进,以期改善现有方法的局限性,使得测试用例的生成能够更加高效,主要的工作如下:首先,蚁群算法求解较优解的过程,经过多次迭代进化后,容易出现早熟、停滞,全局搜索能力降低,导致获得的最优解是局部最优解。本文提出了一种基于并行多种群自适应蚁群算法。该算法将蚂蚁种群分成多个群体,几个群体同时并行搜索,提高搜索路径的多样性,使得算法不会过早出现早熟收敛的现象;并且引入种群的多样性,使得蚂蚁的迁移规则能够自适应调整,然后构造适应度函数,将适应度函数作为权重自适应的更新信息素浓度。通过实验验证了该方法的搜索能力相比基本的蚁群算法有一定的优势,并且所需要的收敛代数要少的多,因此本文算法的改进是有效的。随后,本文通过分析发现应用并行多种群自适应蚁群算法生成的测试用例规模较大,不利于提高测试用例执行的效率和节约成本。于是本文将量子优化与多种群自适应蚁群算法结合,提出了量子多种群自适应蚁群算法以期能够优化测试用例的生成规模和效率。在该算法中采用量子比特来表示蚁群中的蚂蚁个体,来维持种群的多样性,算法通过量子态矢量,利用量子旋转门和量子非门实现蚁群个体的更新。本文通过将本文算法与其他的3种群智能算法进行比较,通过对比几种算法的平均收敛代数、平均运行时间段等性能指标。实验结果表明,本文提出的量子多种群自适应蚁群算法具有准确性和有效性。

关键词： 面向服务   软件测试   自动化测试   接口测试   集成测试  

摘要： 面向服务的架构具备协议无关性、位置透明性和松耦合性等特性,因而成为企业级应用系统的主流架构。它能使企业平台架构的构建方式变得更为灵活,帮助企业更加迅速有效地响应业务发展变化、并且达到利用业务的发展变化在竞争中取得领先的目的。然而,面向服务的架构在提升灵活性的同时,为了支撑架构和业务快速灵活的增长,系统的数量越来越多,单个业务处理过程所覆盖的系统链路也越来越长。因此,基于面向服务架构设计的系统(简称面向服务的系统)的测试成本和测试复杂度也变得越来越高,传统的自动化测试工具和平台难以支撑如此复杂的测试场景。面向服务的系统需要怎样的自动化测试平台,如何提升面向服务的系统的自动化测试效率,这一系列问题对软件测试提出了新的挑战,同时也提供了新机遇。本文从面向服务的系统的自动化测试需求出发,对在面向服务的系统上实施自动化测试进行了研究,设计并实现了一个自动化测试平台,支持面向服务的系统的接口测试和集成测试。在本自动化测试平台设计与实现过程中主要对提升自动化测试的稳定性、灵活性、通用性方面进行了深入研究。本测试平台针对面向服务的系统的特性,不依赖WEB页面驱动自动化测试,转而从被测系统的服务出发,覆盖完整系统链路,完成对应业务的自动化测试;解决因页面端变更频繁而导致自动化脚本失效、用例运行失败的问题,使自动化测试执行和脚本维护趋于稳定。本测试平台的测试模板以组件化为基础,通过实现各种测试组件,丰富本测试平台的自动化原子能力。通过组件构建出符合某个业务场景或功能的测试模板,可以通过模板中组件的增删和排序功能实现自动化测试脚本灵活变更,自由伸缩的能力。本测试平台的测试模板既可以由多个组件组成,针对复杂系统链路进行集成测试,也可以只由单个组件组成,针对单个系统接口进行接口测试。使接口测试平台和集成测试平台得以整合,形成通用的自动化测试平台,降低测试人员学习和实施成本,更完整地展现自动化测试的整体情况。目前该自动化测试平台已上线,正常运行了24个月。原来在使用其他测试工具的背景下,一个业务功能的自动化实施成本需要占据整体测试周期的一半以上。通过本自动化测试平台,自动化实施成本降低到整体测试周期的三分之一。单个测试用例执行耗时平均60秒左右,比原来自动化测试耗时降低一半,测试执行效率显著提升。并且自动化测试执行的稳定性大幅提升,测试用例总体成功率从60%提升至近100%。

关键词： 软件测试   测试用例   测试集规模   测试覆盖率   测试有效性  

摘要： 软件测试技术是保障软件质量的重要途径之一。测试覆盖率主要用来度量源代码被覆盖的程度,测试覆盖率越高表示更多的源代码在测试期间被执行。之前的研究人员主要将测试覆盖率作为评价测试质量的标准,认为测试覆盖率和测试集缺陷检错能力呈正相关。然而,最新的研究在表明覆盖率不能客观地评估测试集缺陷检测能力的同时,发现测试集规模和覆盖率之间存在高度的相关性。由此,衍生的研究问题是:测试集规模、测试覆盖率和测试有效性之间存在什么关系?为了研究这三者之间的关系,本文提出了一种新的测试用例选取算法,使得每个测试用例被选中的概率几乎相同。并且将Defects4j数据集中6个使用率高且开源的项目作为实验对象,通过编程来生成以测试方法和断言两种粒度的测试用例集,对三者关系进行大量、深入的实证研究。本文主要研究工作包括:(1)研究测试覆盖率是否受到测试集中测试用例数量的影响,实验结果表明测试集规模越大,测试覆盖率越高,即两者在统计学上是正相关的。(2)研究测试有效性是否受到测试集中测试用例数量的影响,实验结果表明测试集规模越大,测试有效性越高,即两者在统计学上是正相关的。(3)研究测试覆盖率和测试有效性的关系,利用基于线性回归的混和效应模型来刻画三者之间的关系,本文发现在不排除测试集规模的混合效应情况下,测试覆盖率和测试有效性高度相关;在排除测试集规模的混合效应情况下,测试覆盖率和测试有效性之间已无显著关联。

关键词： 软件测试   技术   研究   现状   对策  

摘要： 软件测试技术应用研究本质在于提高软件测试准确性,解决软件开发管理缺陷,确保软件测试数据的真实可信.现阶段我国的软件测试技术应用主体状况良好,在技术应用细节及技术研发管理方面仍需努力.对此本文将针对我国软件测试技术研究现状及问题,提出部分软件测试研究技术管理方案,进而为后续阶段软件测试技术高效化及全面化应用提供理论参考内容.

关键词： 软件测试   基金会  

摘要： 数字转型时代,软件定义一切,也可改变一切。6月8日,第一届TMMi?中国峰会在上海浦东软件园顺利召开,开启我国软件测试新纪元,不仅为我国软件测试带来国际统一标准,更为我国软件产品"走出去"打开新通道。据悉,TMMi?基金会是2007年成立于爱尔兰都柏林的非营利性组织,TMMi?是其开发的非商业化的独立于组织的软件测试成熟度模型。2017年,大中华地区授权的唯一分会成立,致力于TMMi?在中国的推广工作。

关键词： 软件测试   缺陷报告   社区问答信息   修复者推荐  

摘要： 软件缺陷修复者推荐是指在缺陷分派时,向缺陷分类者（bug triager）推荐合适的修复者以完成缺陷修复工作的过程。传统的缺陷分派是由人工来完成的。但随着软件功能需求的增加和规模的增大,特别是在开源软件中,缺陷的数量与日俱增,单纯依靠人工来完成分派工作是一项非常耗时、易错的任务。因此,提出一种有效的软件缺陷修复者推荐方法很有必要。利用机器学习方法进行修复者推荐非常有效,本文首先开展了使用支持向量机（Support Vector Machine,SVM）进行开源软件缺陷修复者推荐的方法研究。另外,考虑到现有大多数修复者推荐方法过于依赖候选修复者的已修复数据,而在缺乏已修复数据时往往表现不足,引入新的数据源很有必要。随着社区问答平台的发展,候选修复者遇到技术难题时会在一些社区问答平台（如Stack Overflow等）进行技术交流,这些平台积累了大量能反映候选修复者专业能力的信息,这些信息对于修复者推荐具有很大的潜在价值。基于此,本文主要研究内容如下:1.在分析了不同机器学习方法在缺陷修复者推荐领域的研究现状的基础上,重点开展了基于SVM的缺陷修复者推荐方法的研究。采用GitHub的6654份缺陷报告作为实验数据,详细探讨了使用SVM在这些开源数据上做修复者推荐的数据处理与训练过程,最后通过实验进一步分析了该方法在开源软件缺陷修复者推荐领域的有效性以及相应的不足。2.设计了一种使用社区问答信息推荐缺陷修复者的方法。该方法主要包括两个部分:第一部分使用社区问答信息中的标签关联缺陷报告和社区问答信息,并对标签设置不同的权重,再结合社区问答信息所获的点赞数衡量修复者的专业能力;第二部分考虑到修复者的专业能力会随着时间和工作过的项目而有所变化,从而设计一种衡量其修复工作时效性的方法。最后,通过对两个部分进行加权得到推荐修复者的最终方法。采用Stack Overflow的问答信息和GitHub的缺陷报告作为实验数据,结果表明,该方法比现有修复者推荐方法在Top5（%）推荐准确率上提高了0.37%19.34%。

关键词： 软件测试   数据自动生成   萤火虫算法   粒子群算法  

摘要： 软件测试能够保障软件产品的质量,但是同时也占据了整个软件开发周期中将近一半的成本和资源。传统的测试数据的获取需要人工手动设计,而随着软件的规模扩大以及复杂性的提高,手动设计测试数据已经不能满足测试的要求,因此,自动生成测试数据成为许多学者研究的热点和重点,自动生成测试数据可以减少测试消耗的时间,提高测试的效率。对测试数据自动生成的研究主要有两个方面,分别是面向单路径和面向多路径的测试数据生成。为了提高测试数据生成的效率和覆盖率,本文做了以下两个方面的工作:(1)在面向单路径的测试数据自动生成研究中,本文在所使用的萤火虫算法中引入了动态递增的压缩因子,提出了DCFA(Dynamic Compression Firefly Algorithm)算法。萤火虫算法是一种较为新颖的智能优化类算法,它最明显的优点是实现简单,同时收敛速度也比较快,关键是它的发展比较晚,它在单路径测试中有着巨大的发展潜力和研究空间,但是萤火虫算法自身还有一些不足之处,如其在进行局部搜索和全局搜索时,两者之间平衡性较弱,为了调整其局部与全局搜索的能力,本文在萤火虫算法中加入了动态的惯性权重,另一方面由于萤火虫算法在进行局部搜索时,采用的策略是随机搜索,为了加强算法局部搜索的能力,更好的控制算法搜索的区域,本文在加入惯性权重的基础上又引入了动态递增的压缩因子,设计了DCFA算法,然后将DCFA算法应用在单路径测试数据的自动生成实验中,实验验证DCFA算法能够更快的找到最优解,生成相应的测试数据。(2)在面向多路径的测试数据的自动生成方面,本文设计提出了基于粒子群算法和烟花爆炸算法相结合的FWPSO(Fireworks Particle Swarm Optimization)算法。多路径测试的难点在于如何在一次搜索内生成能够覆盖到多条目标路径的数据,以及路径之间相似度的计算,本文在设计路径相似性的计算方法时,充分考虑了影响路径相似性的不同因素重要性的不同,同时,在将粒子群算法应用到多路径的测试中时,考虑到后期粒子多样性的降低,导致陷入局部极值的情况,本文在粒子群算法中加入了烟花爆炸算法中的“爆炸”思想,设计了基于烟花爆炸算法的FWPSO算法,其基本思想是在粒子每次迭代完成时,由当前最优粒子“爆炸”产生新的粒子,然后几个粒子之间进行比较,选取最优粒子参与下一次的更新迭代,通过这样的方法能够增加粒子种群的多样性,有助于算法在后期跳出局部极值的限制,能够更快的寻找到全局的最优值,本文最后将提出的FWPSO算法应用到面向多路径测试的数据生成实验中,经实验验证在多路径测试中,该算法在寻优效率和覆盖率上均有所提高。