An Efficient Deep Path Coverage-Based Approach for Automated Software Structural Testing

Arasteh, Bahman

doi:10.3390/sym18030455

An Efficient Deep Path Coverage-Based Approach for Automated Software Structural Testing

2026-03-06

0

PRE

AI

A

Arasteh, Bahman *

M

Mohammadali Ipchi Sheshgelani

DOI：10.3390/sym18030455

原文链接

原文求助

摘要

En 中文

结构化软件测试是软件开发生命周期中的关键阶段，其中实现高覆盖率和故障检测仍是一个重大挑战。对于模块和功能众多的程序，手动测试成本高昂且效率低下。自动化测试数据生成解决了这一问题，但其有效性取决于所使用的优化策略。本研究提出了一种新颖的混合优化算法，结合灰狼优化器（GWO）和粒子群优化（PSO）来覆盖程序的深层路径并生成高效的测试数据。通过所提出的混合PSO-GWO方法平衡探索与利用，该方法能够很好地适应不同规模和复杂度的程序。该方法在26个标准基准程序上进行了评估。实验结果表明其优越性能，实现了88.37%的覆盖率，高于当前最先进的方法，且变异得分为67.45%，反映了改进的故障检测能力。此外，它生成的测试用例更少，平均执行时间为1257.7秒，约为遗传算法（GA）、灰狼优化器（GWO）和粒子群优化（PSO）单独使用时间的一半。本研究分析了程序控制流和执行路径的对称与不对称结构特征，以生成自动化测试。所建议的深层路径覆盖技术利用基于对称性的优化原理，实现软件结构测试的有效性和可靠性。总体而言，所提出的混合算法生成的测试数据更小、更快、更有效。与当前最先进的方法相比，所提出的方法是一种可靠且高效的测试生成器。

Keyword:

software automatic testing

hybrid metaheuristics

minimal test

code coverage

mutation score

An Efficient Deep Path Coverage-Based Approach for Automated Software Structural Testing

摘要

期刊

机构

引用论文