多路径测试数据自动生成方法及应用

doi:10.3778/j.issn.1002-8331.2010.27.008

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (27): 32-35.DOI: 10.3778/j.issn.1002-8331.2010.27.008

多路径测试数据自动生成方法及应用

曹洋，胡春华，陈少波，李路明

清华大学航天航空学院，人机与环境工程研究所，北京 100084

收稿日期:2010-04-28 修回日期:2010-08-09 出版日期:2010-09-21 发布日期:2010-09-21
通讯作者: 曹洋

Automatic test data generation for multiple paths and its applications

CAO Yang，HU Chun-hua，CHEN Shao-bo，LI Lu-ming

Institute of Man-Machine & Environment Engineering，School of Aerospace，Tsinghua University，Beijing 100084，China

Received:2010-04-28 Revised:2010-08-09 Online:2010-09-21 Published:2010-09-21
Contact: CAO Yang

摘要/Abstract

摘要： 以程序结构测试自动生成为研究背景，提出了一种重叠路径结构用以描述程序路径，并以此为基础设计了一种多路径测试数据生成适应值算法，实现了一次搜索完成多条路径的测试数据生成。算法通过目标路径间共享遗传算法产生的中间个体减少单一路径搜索始于随机产生的无序个体的初期迭代，从而加快搜索收敛的速度。应用于常用的基准程序和取自实际项目的程序，该算法与典型的分支谓词距离算法相比平均消耗时间缩短了70.6%。

关键词: 软件测试, 测试数据生成, 多路径, 遗传算法

Abstract: The study researches automatic test data generation for structure testing.A structure of overlapped path is proposed to describe paths of a program，and a fitness function for multiple paths test data generation is constructed with it based on genetic algorithm（GA）.The function can drive GA to search the test data for all the target paths within one run.The search decreases the initial repetitive iterations with random individuals and speeds up the convergence，because target paths share the data generated by GA.Applied to the benchmark program and some realistic programs，the function reduces the time consumption in search by 70.6% compared with the typical predicate distance algorithm on average.

Key words: software testing, test data generation, multiple paths, genetic algorithm

中图分类号:

TP311

曹洋，胡春华，陈少波，李路明. 多路径测试数据自动生成方法及应用[J]. 计算机工程与应用, 2010, 46(27): 32-35.

CAO Yang，HU Chun-hua，CHEN Shao-bo，LI Lu-ming. Automatic test data generation for multiple paths and its applications[J]. Computer Engineering and Applications, 2010, 46(27): 32-35.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	谭莉娟，郑巍，刘友林，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证方法综述[J]. 计算机工程与应用, 2021, 57(15): 9-22.
[12]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[13]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[14]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[15]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.

多路径测试数据自动生成方法及应用

Automatic test data generation for multiple paths and its applications

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics