教学课程资源库 更多>>

关键词： 软件测试   遗传算法   RBF神经网络   测试用例   分支覆盖  

摘要： 在提高软件质量方面,软件测试扮演着重要角色,设计合适的测试用例是软件测试的关键。通常,设计合适的测试用例不仅需要花费测试人员的大量心血,还需要耗费大量的设备资源和时间。并且在设计测试用例时,设计人员往往会带有主观思想,对下一步的测试工作存在一定的误导,以及测试用例覆盖率比较低等问题。为了解决上述存在的问题,使得设计的测试用例具有客观性以及较大的覆盖率,本文针对分支覆盖测试用例生成问题进行研究,提出基于RBF神经网络和遗传算法的分支覆盖测试用例自动生成方法。主要工作如下:(1)针对传统遗传算法在分支覆盖的测试用例生成中存在不稳定性和容易陷入局部最优解等问题,对自适应遗传算法中变异概率和交叉概率进行改进。改进后的遗传算法根据种群中个体适应度值的分布情况,对交叉操作和变异操作的先后顺序进行判断,以此来增强种群中个体的多样性,为下一代遗传操作做铺垫。通过实验表明,在生成分支覆盖测试用例的分支覆盖率、函数求解和算法稳定性的方面,改进后的算法得到了很大的提升。(2)针对在生成测试用例时利用插值法计算个体适应度值会过度耗费运行时间的问题,本文使用RBF神经网络来模拟适应度函数。通过RBF神经网络来计算个体适应度值,代替插值法计算种群中个体的适应度值,在很大程度上增加了分支覆盖测试用例生成算法的效率,减少分支覆盖测试用例生成的时间。(3)将本文所提的基于RBF神经网络和遗传算法的分支覆盖测试用例生成算法(GAR)与基于自适应遗传算法的分支覆盖测试用例生成算法(PDGA)、传统的遗传算法(SGA)和随机测试生成方法(Random)在7个程序上进行对比实验。实验结果证明所提方法的可行性与有效性,在测试用例生成方面增大了分支覆盖率,并且降低了种群的迭代次数,减少了算法的运行时间。

关键词： 软件测试   燃气物联网   JMeter测试工具   Redis缓存  

摘要： 在物联网技术飞速发展的背景下,万物互联正在成为社会未来的发展趋势,能够接入网络的智能燃气表也在快速的普及中。但是面对智能燃气表庞大的市场前景,用于管理这些设备的燃气监测大数据平台显然面临着巨大的挑战,现有的燃气监测平台具有以下问题:1)传统的Web应用测试方法无法准确获得燃气监测平台能够接入设备的数量;2)当前的监测平台性能瓶颈难以有效定位。针对以上问题,本文对燃气监测大数据平台的评测方法以及针对其性能瓶颈的优化技术进行了深入研究,主要的研究工作包括:(1)提出基于模拟器的燃气监测平台评测方法。相较于传统的针对接口的评测方法,该方法通过生成模拟器接入燃气监测平台,模拟真实的智能燃气表与燃气监测平台进行连接和信息交互过程。在此过程中采集相应的性能指标,对性能指标进行分析来获得燃气监测平台的最大设备接入数量与性能瓶颈。在Z安全工程公司的燃气监测平台上使用本评测方法后,得到了最大设备接入数量为3456,并定位了平台的性能瓶颈在存储部分。(2)提出基于优先级的燃气信息存储策略。充分考虑燃气监测中异常信息重要性远高于正常信息且异常信息发生概率远低于正常信息的数据特点,将不同种类的燃气信息赋予不同的优先级,并应用Redis实现数据缓存。对于低优先级的燃气信息先缓存在服务器内,再批量持久化到数据库中,对于高优先级的燃气信息则直接存储到数据库中,保证其数据的实时性不受影响。之后对缓存数据的阈值进行了公式论证,得出了能够接入最多设备的最优阈值。使用本存储策略与最优阈值使燃气监测平台的最大设备接入数量提升到了78000,相比优化前提升了21倍,与其他阈值相比提升了至少13%。与其他的存储优化策略相比,在综合能力上表现也是最优的。(3)基于本文提出的评测方法,设计并实现了燃气监测平台的性能评测平台。性能评测平台允许用户根据需求自行设置并生成模拟器,执行相应的测试计划,为用户对燃气监测平台进行测试提供了便利。既能验证第三章提出的基于模拟器的燃气监测平台评测方法的合理性,也能够验证第四章所提出的基于优先级的燃气信息存储策略的有效性。

关键词： 种子策略   常量池   软件测试   程序分析   测试用例自动生成  

摘要： 基于搜索的软件测试(Search-based Software Testing,SBST)的测试效率与启发式算法、适应度函数以及种子策略等因素相关。在SBST运行过程中,相比于随机生成的初始值,种子策略可以利用被测程序中的信息提供更好的初始值,提升测试效率。现存的种子策略采样算法大都是基于研究人员的经验直觉给出,其效率影响因素未知,如何解释种子策略的有效性,并提出更好的采样算法是值得关注的问题。 本文通过对种子策略的适用场景对比研究,进一步揭示了种子策略中存在的问题,并提出了一种基于分支的智能种子策略Evo Seed。通过在2000个被测方法以Evosuite中的随机种子策略、静态种子策略、动态种子策略和混合种子策略的比较分析得出,对于具有值保持属性和敏感度保持属性的数据流路径形成的快速通道,种子策略可有效提高测试效率。在此基础上,提出了一种基于分支的智能种子策略,Evo Seed。Evo Seed可以根据被测方法所处场景构建相应的常量池,若被测方法中包含具有快速通道结构的种子分支,则为种子分支动态构建小型的局部常量池,缩小采样范围;若被测方法中不包含具有快速通道结构的种子分支,则保持原有的全局常量池。Evo Seed的自适应采样算法根据未覆盖的种子分支所占比例,动态调整使用常量池的概率,加快目标分支的覆盖,提高采样的有效性。与Evosuite的对比实验结果表明,在相同时间预算下,Evo Seed的分支覆盖率提升了1%;在覆盖率相同的情况下,Evo Seed的收敛速度优化了0.5秒。 综上,本文发现的种子策略快速通道以及所提出的基于分支的种子策略可以提高SBST的效率,相关成果也可以应用到其他的软件测试活动中,丰富软件测试领域的效率优化研究。在实际应用中,该策略思想可以为大规模软件测试工作提供指导性意见,改善其整体效率和质量。

关键词： 软件测试   单元测试   GUI测试   测试用例生成   自动化  

摘要： 各式各样的软件产品在互联网技术的持续且快速的发展趋势下层出不穷，然而，在软件产品大力地支撑着人们生活质量保障的同时，软件或系统中存在的安全问题无法被忽视。软件测试对产品质量的保证起到至关重要的作用，早期及时地通过软件测试可大大降低在软件生命周期中发现并修复缺陷的成本，而目前通过人工编写测试用例的方式不仅对测试人员有较高的技术水平和经验要求，且会花费较高时间及人力成本。因此研究如何高效地进行测试用例自动化生成成为了软件开发行业发展的必然趋势，也是非常值得进行深入研究的问题。　　综上所述，针对现有白盒单元测试用例自动生成技术的有效率不足以及图形GUI测试用例自动生成技术体系不健全等问题，本文提出了基于损失函数的单元测试用例自动化生成方案以及图形GUI测试用例自动生成方法。本文对于白盒单元测试用例与GUI测试用例自动生成两方面的研究不仅能提升白盒测试用例生成时在数据收敛方面的有效性，还能提升黑盒功能测试用例生成后的识别范围精确性。本文的主要工作如下：　　（1）针对传统测试用例自动生成模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷，本文提出一种基于损失函数的单元测试用例自动化生成算法(LFGA)。在遗传算法的执行过程中，根据测试用例种群的路径覆盖情况，动态改变后续种群的分布，保证整体数据分布的平衡性。并利用分支信息优化自适应交叉变异算子，自动生成规模尽可能小且高覆盖的有效测试用例集。实验结果表明，相比于已有的自动生成测试用例方法，较好的解决了传统模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷，保证了生成的测试用例平均覆盖率达到95%，提升了搜索效率及数据有效率。　　（2）针对图形界面GUI测试用例自动生成过程中出现的图形界面多变化、事件操作序列乱序、覆盖事件无效、测试用例生成后无法直接使用等的问题缺陷，本文提出一种基于事件依赖的混合模型（EDHM）生成GUI测试用例方法。该方法旨在通过自动记录分析页面代码中所包含的控件、事件等，将所有元素抽象化，构建其对应的图模型并注重突出用户操作事件和GUI控件本身之间的关联性，最终将抽象测试用例与实际GUI控件和事件进行映射，并使用自动化测试工具进行有效性验证，从而实现图形界面GUI测试用例集的自动化生成。实验数据表明，相比于其他现有GUI模型，较好地解决了前面所叙述的问题，且模型在图模型的规模上更加轻量。同时，在执行相同个数的测试用例条件下，基于EDHM的混合模型生成的可执行测试用例的重要事件函数覆盖度普遍高于其余用于测试的模型，提升了重要GUI事件的覆盖率及生成效率。　　（3）针对软件开发过程缺乏高效、安全的自动化测试技术平台支撑的问题，本文基于上述两项研究内容，设计并开发一款支持测试用例自动生成的自动化测试平台，旨在维护一套全面、有效、系统的软件自动化测试业务流程。

关键词： Oracle   软件测试   软件测试平台  

摘要： 本文重点讲述在高速的经济发展背景下,大数据技术作为一项发展数年的技术如今正在不断推动着软件测试向前发展。然而技术的更新换代,让软件测试出现了新的挑战,主要包括用户制约软件测试速度、软件测试平台落后以及大数据处理框架和性能测试存在问题等一系列挑战。在这种情况下,相关技术人员需要做到具体问题具体分析,通过调整Oracle的内存区、提高测试数据的准确度、改进测试技术、构建自动化环境以及运用智能化手段等方式为软件测试工作搭建更好的环境,为数据用户提供优质的软件服务并帮助企业开括更大的市场。

关键词： 舰船信息   智能控制   软件测试   自动化   高维数据   测试模型  

摘要： 在舰船信息智能控制软件的研究中,常规的软件测试方法在数据流上存在冲突问题,导致测试方法的执行效率比较低。针对这一问题,提出舰船信息智能控制软件测试研究。从控制软件中获得大量高维数据,对高维数据标准化处理,消除量纲差异,获得标准数据集后通过贡献率计算以及特征投影,得到低维数据,以原有的测试模型作为基础,构建测试基线。引入回归测试,完成测试模型的设计,将低维数据输入到测试模型中,在测试基线的引导下,完成软件测试。实验结果表明,设计的软件测试方法在测试数据生成方面,运行时间短,数据冗余量少,整体执行效率更高,在实际应用中该测试方法优于常规的软件测试方法。

关键词： 软件测试   人工智能技术   人工智能时代   本地化   智能化   发展与应用   小型化   大规模  

摘要： 人工智能是指由人制造出来的能够将只有人所具备的智慧表现出来的机器。几十年来,软件测试逐渐从小型化、本地化向智能化、复杂化的大规模开发和维护转变。因此本文提出研究人工智能时代下软件测试的发展与应用,来对人工智能技术对软件测试的影响进行深入的研究,通过研究可以更加深刻的理解人工智能技术对软件测试的发展的重大影响。

关键词： 软件测试   软件质量   质量度量  

摘要： 针对当前软件产品质量的评价需求,基于软件测试度量指标的质量模型成为评估软件测试质量的有效手段。本文以软件测试流程为驱动,研究静态测试度量元,总结软件产品的测试度量指标,结合ISO/ICE 25010模型,探索基于软件测试度量指标的质量模型,建立软件测试评价体系,以评估软件产品的质量。

关键词： 微课   混合式教学   软件测试  

摘要： 鉴于高职院校软件测试课程的教学现状,构建了基于微课的线上线下混合式教学模式,并在软件测试课程的教学中进行了应用。经过实验比对,结果发现:基于微课的线上线下混合式教学模式的班级成绩,显著高于传统线下教学模式的班级成绩。因此,基于微课的线上线下混合式教学模式,比传统的现场授课模式更具有优越性。

关键词： TMM模型   软件测试   成熟度  

摘要： 在信息化时代背景下,软件产业也在蓬勃发展。作为信息化建设的基础,人们对软件产品的质量提出了更高的要求,为此需要不断加强对软件能力的测试。笔者从TMM模型基本结构出发,分析TMM模型成熟度等级,并研究基于TMM模型的软件测试成熟度实施方式,以期提升软件测试过程中TMM模型的实施效果。