基于遗传蚂蚁融合算法的测试用例生成研究

随着计算机处理对象越来越复杂,所要求软件的功能就相应地要越来越强,软件的质量和可靠性尤为重要,软件测试是其重要保障。而软件测试是软件开发过程中的一个至关重要的环节,软件测试用例是软件测试的基本所在。测试用例的选择与自动生成是软件测试难点之一。同时,在测试用例的生成过程中,每个测试需求一般都会产生相应的测试用例集,而这些测试用例集可能存在大量的冗余,需要对其进行简化。而智能算法就可以对数量庞大的测试用例进行优化生成,显示其独特的优势和高效性。本文就此展开了研究。 本文首先采用了“结构树”概念用来表示软件的结构,以结构树路径覆盖准则为基础,从参数编码策略、覆盖准则表和适应度函数构造以及关键算子设定等方面,研究了遗传蚂蚁融合算法用于测试用例自动生成,并以三角形分类判断软件为例进行仿真实验,对参数设置不同值下生成的测试用例集进行分析。其次,将简单遗传算法、改进的免疫遗传算法、模拟退火遗传算法三种算法用于测试用例自动生成,并与遗传蚂蚁融合算法重点从测试覆盖率、收敛情况、用例生成数目等方面进行比较。结果表明,遗传蚂蚁融合算法比其它有优势。最后,本文分析了已有的测试用例集约简方法,在贪心算法G和H算法的基础上,引入测试用例的测试贡献度大小思想,探索了一种测试用例集最小化算法(Minimization ofTest Suite,MTS),将该算法应用于简化基于遗传蚂蚁融合算法的三角形分类判断软件生成的测试用例集,简化后得到最小测试用例集。通过实例分析,验证了该算法的有效性。