.png){kind=icon}
返回
Component-Based Test Case Generation and Prioritization Using an Improved Genetic Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1142/s021884302350017x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
开发测试用例是软件测试过程中最具挑战性和关键性的步骤。由于测试场景繁多且测试效果不佳，初始测试数据必须采用强大的优化技术进行优化。测试优先级排序对于在受时间与资金预算限制的生产线上测试已开发的软件产品至关重要。要为一项或多项软件产品优先排序测试用例场景，必须深入理解成本（如所需时间和资源）与效率（如组件覆盖率）之间的权衡。因此，本文提出了一种基于改进遗传算法（MTCGP-IGA）的高效多目标测试用例生成与优先级排序方法，应用于基于组件的软件开发（CSD）。该方法采用基于随机搜索的方法，利用多种成本和效能标准创建并优先排序多目标测试。具体而言，多目标优化包括最大化测试用例的优先级范围（PR）、特征成对覆盖率（PCC）、故障发现能力（FFC），并最小化总实现成本（TIC）。针对此测试优先级排序问题，构建了一个包含成本效益指标的独特适应度函数。IGA是一种强大的搜索技术，在解决包括大空间、多峰值、随机性和通用优化在内的复杂问题时展现出优异的优越性和显著效能。基于IGA的应用，本文对测试用例进行分类、计算目标函数、引入非支配排序遗传算法-II（NSGA-II）方法、评估各分支在处理路径上的接近度，并排列路径集合以获取最佳答案。结果表明，所提出的结合NSGA-II的MTCGP-IGA在测试用例优先级排序（均值为195.2）、PCC（平均得分为0.7828）和FFC（平均得分为0.8136）方面，表现优于其他基准算法。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息