基于遗传算法的嵌入式软件WCSD检测方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (36): 58-63.

基于遗传算法的嵌入式软件WCSD检测方法

李显杰，周宽久，王洁，侯刚，崔凯

大连理工大学软件学院，辽宁大连 116620

出版日期:2012-12-21 发布日期:2012-12-21

Genetic algorithm-based approach to embedded software WCSD test

LI Xianjie, ZHOU Kuanjiu, WANG Jie, HOU Gang, CUI Kai

School of Software Technology, Dalian University of Technology, Dalian, Liaoning 116620, China

Online:2012-12-21 Published:2012-12-21

摘要/Abstract

摘要： 在资源受限的嵌入式系统中，为了降低嵌入式软件最大堆栈深度（Worst-Case-Stack Depth，WCSD）的检测误差，从而确定系统内存容量，通过详细分析堆栈使用原因和中断类型，建立中断调度模型，提出基于遗传算法的WCSD动态检测方法以更加准确地指导嵌入式硬件设计和软件开发。基于嵌入式软件全数字仿真平台完成实验，对该模型和方法加以验证。实验结果表明该方法可测得较准确的软件堆栈深度上限，有助于降低内存开销和提高系统的可信度。

关键词: 软件测试, 最大堆栈深度（WCSD）, 状态变迁, 中断调度, 遗传算法（GA）

Abstract: To lessen the measurement error of software’s Worst-Case-Stack Depth（WCSD） and determine the system's memory requirement in resource-constrained embedded systems, an interrupt schedule model is constructed and a dynamic approach of embedded software WCSD test based on Genetic Algorithm（GA） is proposed to guide hardware design and software development efficiently. In addition, an experiment is conducted on an embedded software digital simulation platform; its results show that the model and approach can give a more accurate WCSD value, and can be conducive to reduce the total memory cost and improve reliability of the embedded software.

Key words: software test, Worst-Case-Stack Depth（WCSD）, State Transition Matrix（STM）, interrupt schedule, Genetic Algorithm（GA）

李显杰，周宽久，王洁，侯刚，崔凯. 基于遗传算法的嵌入式软件WCSD检测方法[J]. 计算机工程与应用, 2012, 48(36): 58-63.

LI Xianjie, ZHOU Kuanjiu, WANG Jie, HOU Gang, CUI Kai. Genetic algorithm-based approach to embedded software WCSD test[J]. Computer Engineering and Applications, 2012, 48(36): 58-63.

[1]	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.
[2]	刘友林，郑巍，谭莉娟，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证工具综述[J]. 计算机工程与应用, 2021, 57(11): 1-10.
[3]	梁承姬，余健. 干扰约束下集装箱码头全岸线岸桥调度研究[J]. 计算机工程与应用, 2020, 56(10): 273-278.
[4]	潘杰1，渡边政彦2，周宽久1，梁浩然1，崔凯1. 嵌入式软件形式化建模方法[J]. 计算机工程与应用, 2018, 54(8): 61-71.
[5]	王莹. 具有不确定需求的软件测试用例生成方法研究[J]. 计算机工程与应用, 2018, 54(20): 35-41.
[6]	薛猛，姜淑娟，王荣存. 基于智能优化算法的测试数据生成综述[J]. 计算机工程与应用, 2018, 54(17): 16-23.
[7]	王心月，郭健全. 碳税下多周期闭环混合系统的补贴策略模型[J]. 计算机工程与应用, 2018, 54(14): 236-240.
[8]	孟令冲1，舒坚2，黄勤涛2，曹伟芳2. 基于SysML活动图的测试序列集约简方法[J]. 计算机工程与应用, 2018, 54(13): 266-270.
[9]	何海江. 基于线性分类算法的软件错误定位模型[J]. 计算机工程与应用, 2017, 53(21): 42-48.
[10]	王馨樱1，蒋夏军2. 基于UML活动图及混合遗传算法的测试场景生成[J]. 计算机工程与应用, 2017, 53(1): 57-62.
[11]	张柯，张德平. 基于基因表达式编程的错误定位方法[J]. 计算机工程与应用, 2016, 52(9): 6-11.
[12]	徐仙1，2，卢先领1，2，王洪斌1，2. 行为识别中基于GA优化的加速度特征选择方法[J]. 计算机工程与应用, 2016, 52(6): 139-143.
[13]	汪鲁才，曹鹏霞，姜小龙. 一种改进的含噪语音端点检测方法[J]. 计算机工程与应用, 2016, 52(15): 162-167.
[14]	冯潞潞，丁佐华. 基于偶然性正确测试用例发现的错误定位方法[J]. 计算机工程与应用, 2015, 51(22): 252-257.
[15]	刘博，李蜀瑜. ISTREM软件测试可靠性评估方法研究[J]. 计算机工程与应用, 2014, 50(22): 65-68.