教学课程资源库 更多>>

关键词： 军用软件测试   测试过程度量   GQM模型   PCA+AHP组合赋权  

摘要： 现如今,军用软件及军用信息系统不断发展并且广泛应用于现代战场,军用软件的质量越来越受到人们的重视,军用软件质量的好坏有着非常重要的现实意义,它直接影响武器的质量和军事行动的成败。通过度量可以对度量的对象进行定量评估从而促进改进,目前大部分的研究集中在对软件产品进行度量,此时软件已交付为成品,此时进行度量发现问题为时已晚,违背了利用度量来推动改进的初衷,而软件测试在软件质量保证中一直扮演着重要角色,软件产品的质量对测试过程的质量有着很强的依赖性,而且测试工作进行在产品交付之前,此时发现问题仍然可以付出较小的代价进行改进,所以研究如何对测试的过程进行度量具有很重要的现实意义。本文的主要工作和创新点如下:(1)本文在充分分析已有测试过程模型的优势和不足的基础上,在相关国/军标的指导下提出了一种基于流程驱动的军用软件测试过程模型,涉及军用软件测试过程包含的四个子过程,为后续测试过程度量提供了重要的依据。(2)基于GQM模型对军用软件测试过程包含的四个过程进行完整的指标提取,构建了包含31个指标的度量指标体系,为过程数据的充分有效获取提供了指导。(3)在充分分析已有各类赋权方法的基础上,结合工程实际,分别选择了客观赋权法中的PCA法和主观赋权法中的AHP法,然后利用最小熵原理对两种方法求出的权重进行组合,提出了一种结合两种方法优势的组合赋权方法。实验表明,通过此度量模型进行测试过程度量得到的度量结果与真实情况非常接近,可以为军用软件改进提供一定的参考。

关键词： 软件测试   随机测试   自适应随机测试   效率   最近邻搜索  

摘要： 软件测试是一种基本的软件质量保证活动,它最终能够确保较好的软件质量。随机测试(RT)是一种流行的软件测试技术,它从软件的输入域中随机选择并执行测试用例的子集。自适应随机测试(ART)利用大多数故障程序的导致故障输入的聚类特性,提高RT的故障检测效率。ART使用一种机制,从而将测试用例均匀地分布在软件的输入域中。作为一种广泛使用、高效、简单的ART算法,Fixed-Size-Candidate-Set ART(FSCS-ART)面临着平方的时间复杂度。随着软件输入域维度的增加,这种成本会逐渐恶化。由于真实程序中,大多数程序的输入域维度较高,故障率较低,因此迫切需要解决这一问题。本论文旨在解决FSCS-ART的效率问题,同时不牺牲其故障检测效果。我们将FSCSART确定为最近邻搜索(NNS)问题的一个实例,并假设FSCS-ART的效率问题在于其NNS机制。如果NNS机制能够随着数据集的大小和维度的变化而趋于一致,则可能会缓解效率问题。首先,提出了一种基于小世界图(small world graphs)的方法(命名为SWFCART),可以提高FSCS-ART的计算效率。为了高效地执行候选测试用例的最近邻查询,SWFC-ART为之前执行的、非失效的测试用例增量构建了一个分层可导航的小世界图。此外,SWFC-ART在高维输入域的程序中表现出一致性趋势。实验研究表明,SWFC-ART,在保持FSCS-ART的故障检测效果的前提下,将FSCS-ART的计算开销从二次方降低到对数线性阶,并且在高维输入域中保持一致性。其次,对FSCS-ART进行了CPU层面的执行分析,发现其主要由于其距离计算过程采用了单指令-单数据(SISD)机制,存在运行时成本过高的问题。为了克服这个问题,提出了一种新颖高效的FSCS-ART实现方法。Fixed-Size-Candidate-Set using SingleInstruction-Multi-Data(FSCS-SIMD)。FSCS-SIMD采用SIMD指令架构,以多对多的方式同时计算多个测试用例的距离。所提出的方法在一个CPU执行周期内从候选测试用例集和执行测试用例集中加载一批测试用例。之后,对整批测试用例下达单条距离计算指令,进行所有对偶距离的计算。一系列的仿真和实证研究表明,平均而言,FSCS-SIMD在保持类似故障检测效果的前提下,减少了FSCS-ART 90%的测试用例生成时间开销。最后,采用了一种基于量化和反转文件结构的方法来增强FSCS-ART,称为QIVFSCSART,该方法通过使用统一的随机数据集,利用k-means聚类将软件输入域划分为离散的单元进行预处理。之后,将每个已执行的测试用例,以量化形式存储在其单元中心的倒数列表中,我们称为centroid。结果表明,所提出的方法显著地缓解了FSCSART的计算开销,同时保留了其故障检测的有效性,特别是对于高维软件输入域。

关键词： 可交换性问题   软件测试   测试用例集生成  

摘要： 随着互联网技术的发展,网络上的各种信息数据每天都在以爆炸性的速度快速增加着,海量数据的分析和处理对传统的数据处理方式提出了挑战。为了解决这一问题,基于Map Reduce框架的大数据处理技术也在社会中有着广泛的应用。Map函数和reduce函数是在Map Reduce框架中最重要的两个函数。Map函数的功能是将每一条数据映射的一个key中,而reduce函数起到了对具有相同key的数据进行聚合运算的作用。根据调查,发现超过一半以上的reduce函数存在可交换性问题,即reduce函数对于不同的顺序的输入序列,将可能产生不同的输出结果。这导致在相同的环境下每次运行Map Reduce框架的程序都有可能产生不同的结果。Reduce函数可交换性问题测试与普通的程序测试不同,需要至少两个具有不同顺序的测试用例作为测试用例集才能检测到问题。若reduce函数对测试用例集有着不同的输出,则说明reduce函数具有不可交换性。现阶段对reduce函数可交换性问题测试的研究集中于如何减少初始测试用例中元素的个数,而对在已有初始测试用例的情况下如何选取较少的后继测试用例进行测试关注的较少。但一个糟糕的后继测试用例选择策略生成的后继测试用例集在reduce函数测试时会消耗大量的空间资源,一个具有n个输入的初始测试用例在极端情况下测试用例集的规模会达到n!。通过对具有不可交换性的reduce函数分类的深入研究,本文提出了一种检测reduce函数可交换性问题测试用例集生成的方法。由于reduce函数具有不可交换性的原因大多数在于reduce函数只选取输入序列中的一个或多个特定位置上的值进行运算或者使用具有不可交换性的二元运算符将输入序列所有的值连接起来作为函数的输出结果。所以本文通过使用对待测reduce函数的抽象语法树进行分析,确定程序中对函数输出结果造成影响的变量名称。通过插桩技术对初始测试用例中的所有值进行标注,这些标注可以反映出测试用例中的每一个值对reduce函数结果造成的影响。然后根据这些标注信息对reduce函数进行分类。最后根据每一类reduce函数的特点和初始测试用例的标注信息选择相应的测试用例生成测试用例集。这种方式可以通过分析reduce函数造成不可交换性的原因选择合适的测试用例进行测试,可以有效的提高测试效率。为了验证该方法的有效性和效率,本文选取了100个具有不可交换性和80个具有交换性的reduce函数作为测试函数。实验结果表明,本文提出的reduce函数可交换性问题的测试用例选择方法所生成的测试用例集对reduce函数可交换性测试中具有较高的有效性。并且与现有的置换产生后继测试用例的方法相比,可以用较少的测试用例检测出reduce函数的不可交换性,具有更高的效率。

关键词： 软件测试   领域专用语言   粒子群算法   ANTLR   负载均衡  

摘要： 在软件开发工作中,具有至关重要作用的一个环节是软件测试,测试工作对避免软件缺陷、保证软件用户使用体验是必不可少的流程,但是同时也会占用软件开发过程中的时间和人力资源。自动化测试相比传统方式可以有效地将测试效率提高,实现方法一般是编写编程语言程序脚本,另一种是借助自动化测试工具完成工作。测试用例脚本编写和执行是测试过程中的两个重要步骤。测试脚本的书写简化可以使测试人员的培训难度降低,缩短测试时间。目前常用的网页测试描述语言仍存在使用较为复杂的问题。面向测试脚本编写的简化问题,本文设计实现了一种接近自然测试逻辑的用例描述语言及其转述翻译系统。作为一种领域专用语言,用例描述语言采用接近自然语言的语法逻辑设计,适合一般测试人员使用。用例描述语言实现了对网页功能测试过程的抽象描述,实现了简洁的领域专用语言在网页测试领域的应用。本文利用语法分析工具,将自定义的描述语言翻译为可执行的编程语言脚本,能够将编写测试用例脚本的操作简化,只需配置模板、数据及用例描述语言脚本即可生成可执行脚本。测试用例脚本在执行时会发送到多个执行服务器,负载均衡算法可以提高用例的执行效率。本文设计实现了一种测试用例分发系统,可以根据执行机的负载状况,将先前生成的测试用例脚本分发到测试执行机。论文使用改进的粒子群算法实现负载均衡效果,相比于传统的确定性负载均衡算法,具有更合理的分配策略和更稳定的结果。本文设计的用例描述语言与用例转述翻译子系统、负载均衡子系统构成完整的用例转述分发系统,完善了测试流程。本文首先介绍了自动化测试的相关背景知识,介绍了语法分析和负载均衡领域的相关理论知识,阐述了研究情况。然后对系统作出需求分析,说明u-系统的预期功能实现。随后对用例转述翻译系统和分发系统进行了设计,使用粒子群算法实现了负载均衡功能,并对粒子群算法进行了一定的改进。

关键词： 嵌入式   软件测试   宿主机   目标机  

摘要： 随着近年来嵌入式计算机软件架构的愈加复杂化,对嵌入式计算机软件测试关键技术研究逐渐引起人们广泛关注。本文将对嵌入式软件测试进行概述,从宿主机的静态测试、动态测试,目标机的故障注入、内存分析、性能分析技术展开分析,从而有效把控嵌入式计算机软件测试的关键技术,确保能够顺利完成计算机软件测试,真正提升嵌入式计算机软件测试质量。

关键词： 自动化   软件测试   VUE   项目管理  

摘要： 软件测试是软件开发过程中必不可少的步骤,自动化测试是现在软件测试的主流发展方向。国内外的许多公司成立了自己的测试团队,开始研究更高效的自动化测试方法。目前市面上有一些常用的测试工具,但是还没有一个能够整合各种测试工具的自动化测试平台。本课题的主要研究内容为一个能够集成多种测试工具的软件自动化测试平台,通过该平台对不同测试工具进行整合,满足测试人员在平台上进行软件自动化测试。自动化测试平台让测试人员更方便的进行软件测试,提高了软件测试效率,节省了时间和人力成本。软件自动化测试平台是一个Web程序,采用主流的前后端分离的开发方式,可以有效提高开发效率。按业务功能将系统划分用户管理功能、服务管理功能、团队管理功能、项目管理功能,并且搭建Jenkins服务用于执行测试,搭建STF服务用于管理移动设备。本人在项目的开发中完成了前端系统的开发工作和后端系统的部分开发工作。在技术上采用了 Vue的前端框架,使用Vuetify组件库作为页面的主要组件,通过Axios封装通信接口与系统后台进行数据通信。本文首先介绍了课题的相关背景,课题的研究现状。然后对目前已有的技术做了简要的介绍,并对开发本系统需要使用的相关技术做了介绍。接着对系统进行需求分析,包括系统的功能性需求分析和非功能性需求分析。接下来对系统的功能结构和系统架构进行了概要设计,明确了本人在系统开发中的工作。在详细设计中对每一个前端功能的设计和实现进行了详细的描述,用UML图表示了模块内部的实现流程与方法,并对本人参与的部分后端系统的实现进行了描述。最后对本系统进行了测试,并且对本文进行了总结。

关键词： 专用测试台   功能仿真   智能测试系统   飞管系统仿真软件   专测台自检   软件测试  

摘要： 某型无人机是一种中空、长航时多用途无人机,其配套的一线维护设备——综合维护检测设备在无人机放飞前、飞行后地面检查及日常维护中使用非常频繁,综合维护检测设备用以测试无人机飞管系统、机电系统等,功能种类多。综合维护检测设备的生产调试、验收测试、故障排查目前测试方法过程繁琐且与科研工作产生较大冲突,但通用的测试方法无法满足综合维护检测设备的测试需求。因此,决定开展综合维护检测设备专测台的研究。本论文描述了本人承担设计的综合维护检测设备专用测试台,通过分析测试指标的要求,设计出满足综合维护检测设备的功能测试要求的专用测试台。主要内容包括:综合维护检测设备专用测试台的总体设计(通过对总体使用需求的详细分解和分析,提出了专用测试台应满足的相关功能与性能的要求;再根据其功能、性能要求进行进一步分析,设计出符合其需求的专用测试台架构);基于专测台的硬件框架开展测试软件设计,详细阐述了本人负责设计的飞管系统仿真软件模块、智能测试系统和专测台自检测模块,介绍了各模块的总体框架、主要功能、逻辑流程等内容。本文的最后则对该专用测试台按照需求与设计方案进行了相应的功能测试与试验验证,开展了专测台接口自检、飞管系统仿真软件测试、智能测试系统测试,通过测试结果可知专用测试台的功能、性能等可以满设计需求,能够支持综合维护检测设备批量进行生产调试、验收测试、故障排查与定位等工作。

关键词： 翻转课堂   软件测试技术   合作探究  

摘要： 翻转课堂强调先学后教,让学生对自己的学习环境负责,注重学生与教师之间的互动和教师对学生个性化的辅导。本文旨在从课前模块和课中模块分别指出翻转课堂教学模式在高职软件测试技术教学中的具体应用策略,进而对翻转课堂教学模式在高职软件测试技术教学中的应用进行若干思考。

摘要： 在GJB 5000A—2008军用软件研制能力成熟度模型中,软件测试是验证(Ver)和确认(Val)两个过程域中最重要的活动之一。从软件工程化的角度来看,软件测试亦是软件开发过程中保障软件产品质量最重要的工程活动之一。在军用软件日益系统化、复杂化、多样化、规模化的今天,软件测试活动应该发挥什么样的作用,存在什么样的问题,作为保障软件质量的活动应该如何确保质量,如何进行精细化质量管理?本文将结合这些问题,通过分析软件测试的质量因素,同大家一起来探索一条软件测试精细化质量管理之路。

关键词： 可视化测试   视觉特征   支持向量机   测试数据生成   非侵入式测试  

摘要： 软件测试中一个重要的任务是生成测试数据。对于图形用户界面(GUI)的测试数据生成而言,主要问题是一方面如何找到待生成数据的输入项,另一方面是如何为输入项构造测试数据。对于输入项识别而言,传统的方法是获取运行时底层系统提供的界面结构信息,然后对其解析从而获取输入项列表。对于输入项测试数据构造,传统的方法是基于界面结构详细信息或者软件内部源代码,通过白盒或者黑盒方法生成测试数据。以上方法尽管有效,但是对于保密度高、封装性强的软件,由于很难侵入性地获取到系统内部信息,现有的GUI软件测试数据生成方法很难应用。为解决非侵入式测试场景下GUI软件测试数据生成问题,本文提出一种基于视觉挖掘的GUI软件测试数据生成方法,该方法基于界面图片识别输入项,通过挖掘界面图片库自动构造测试数据。具体研究内容如下:(1)提出一种基于视觉特征的非侵入式用户界面输入项识别方法,该方法无需运行时界面结构信息,仅依赖界面图片即可完成输入项的识别。首先,在界面图像上通过直线和轮廓检测算法获得潜在输入项列表;然后,获取候选输入项的视觉特征,并把这些特征转换成特征向量传入到预先训练好的SVM分类器模型中进行判定,得到真正的输入项列表用于测试数据生成。(2)提出一种基于应用内视觉挖掘的软件测试数据生成方法,该方法不依赖运行时界面结构信息或软件源代码,且生成的测试数据更加真实。首先对输入项描述信息进行解析得到输入项提示关键词;然后,对应用程序进行界面探索,获得挖掘源;对探索所得每一界面图片做基于文字识别和自然语言处理的视觉挖掘,得到候选输入数据类别与内容;最后,匹配输入项提示关键词和候选输入数据的类别,将匹配成功的候选数据内容作为输入项的测试数据。(3)最后,本文实现了一个GUI软件测试数据生成工具,用于支持界面图片输入项识别和测试数据生成方法的研究。通过在界面图片实验数据集和Android应用程序集上面进行实验,验证了本文所提出方法的有效性。