导读:本文包含了测试用例最小化论文开题报告文献综述、选题提纲参考文献，主要关键词:测试,最小化,算法,框架,错误,信息,粒子。
测试用例最小化论文文献综述写法
邓秋辉,罗小华[1]（2018）在《基于混合遗传算法的回归测试用例集最小化研究》一文中研究指出为缩减测试用例规模,降低回归测试成本,将遗传算法和贪心算法相结合,提出了一种混合遗传算法用于解决测试用例最小化问题。算法对标准遗传算法中的选择、交叉和变异操作进行改善,提高了算法的全局寻优能力。同时,利用贪心算法处理可行解和不可行解,提高了算法的局部寻优能力。实验结果表明:与标准遗传算法相比,在保证测试完备性的前提下,混合遗传算法能够得到更优的缩减效果和更快的收敛速度。(本文来源于《传感器与微系统》期刊2018年07期）
郑炜,冯晨,吴潇雪,黄月明,方靓芸[2]（2017）在《运用变异测试的并行程序测试用例最小化算法》一文中研究指出在并行程序测试中,测试输入和线程交互时序是影响并行错误检测的两个关键因素。以缩减并行错误检测的输入空间为目标,给出一种基于变异测试的测试用例最小化算法。首先对并行程序进行研究,选取与并行错误密切相关的9个变异算子,并以此为基础为待测程序生成多种变异体;采用JPF作为线程调度工具来执行测试用例,根据变异评分与平均时间成本对测试用例进行排序,在优化后的测试用例集中选取检测能力不重复的测试用例,从而得到面向并行错误检测的最小测试用例集。实验结果证明,该方法能有效减小测试用例集的规模,并大幅缩短运行时间,从而提高了并行程序的测试效率。(本文来源于《计算机科学》期刊2017年11期）
耿静瑶[3]（2017）在《面向错误检测与定位协同的测试用例集最小化技术》一文中研究指出错误检测与错误定位是回归测试中两个独立且十分重要的阶段,为提高测试效率,在这两个阶段中均使用了软件回归测试优化技术作为效率优化手段。由于错误检测与错误定位目标不同,错误检测的目的是发现错误而错误定位的目的是准确的定位错误出现的位置,虽然这两个过程使用相同的测试用例集,但根据这两个过程的目标优化得出的测试用例集却不尽相同。在早期的研究中,研究者们发现使用面向错误检测的测试用例集优化得到的测试用例集进行错误定位,效果不如使用面向错误定位的测试用例集优化得到的测试用例集,也就是说面向错误检测的测试用例集优化并不适用于错误定位,同样的,面向错误定位的测试用例集优化也不适用于错误检测。本文分析了错误检测和错误定位的特点,有针对性的选择了测试用例集优化中的一类问题,测试用例集最小化问题作为研究对象,分析了面向错误检测的测试用例集最小化以及面向错误定位的测试用例集最小化之间的差异,为融合错误检测和错误定位进行了深入的研究,以进一步达到提高回归测试效率的目的。为验证错误检测和错误定位的不相容的特性,本文首先从理论角度分析了错误检测与错误定位优化目标之间的差异性,设计实现了面向错误检测的多目标测试用例集最小化方法MoTSM-FD,第一次提出了面向错误定位的多目标测试用例集最小化方法MoTSM-FL并简略验证了其在错误定位上的有效性。本文通过对比这两种方法的错误定位及错误检测效果,验证效果的差异性,同时分析二者优化目标之间的差异,提出了一种面向错误检测与错误定位协同的测试用例集最小化方法Co-MoTSM。本文展示了该方法在70000个测试用例集上的优化结果,结果表明该方法优化得到的测试用例集可以在保证高错误检测率的前提下保证高的错误定位精度,同时达到较高的测试用例集约减率。为进一步分析错误检测与定位优化目标之间的关系并验证Co-MoTSM方法的有效性,本文对检测和定位目标进行了相关性讨论分析。通过本课题的理论与实证研究表明,本文所提出的面向错误检测与定位协同的测试用例集最小化技术可以兼顾错误检测与错误定位效果,实现错误检测与错误定位的融合,并且达到较高的测试用例集约减率与较高的执行效率,这为软件回归测试中的过程协同进行了一次良好的尝试。(本文来源于《北京化工大学》期刊2017-05-23）
李忍,黄树成,祁云嵩[4]（2015）在《用于测试用例最小化的遗传算法》一文中研究指出测试用例最小化是回归测试的重点和难点,是软件测试研究的热点之一。遗传算法具有高效的搜索寻优能力,在回归测试优化中受到广泛的研究。但是,经典遗传算法用于测试用例最小化会过早收敛,容易陷入局部最优。现设计了一种改进的遗传算法:根据测试用例的代码覆盖情况,设计基因编码并构建初始种群;结合测试用例的权重、覆盖率和运行代价设计适应度函数;对选择算子和交叉算子分别进行改进,不但可以有效地抑制遗传算法的过早收敛,还可以提高收敛速度。研究对比表明,在满足理想的覆盖率的前提下,改进的遗传算法能够有效地获得测试用例最小化集,大大降低了回归测试的代价。(本文来源于《信息技术》期刊2015年09期）
申利民,高洁[5]（2012）在《基于遗传蚁群融合算法的测试用例最小化研究》一文中研究指出为缩减测试用例规模及降低回归测试成本,提出一种基于遗传蚁群融合算法的测试用例最小化方法。采用遗传算法进行遗传算子操作,其结果作为蚁群算法的初始信息素分布。使用蚁群算法进行蚂蚁路径转移和信息素的更新,得到最优解。实验结果证明,该方法能有效减小测试用例集规模,缩短运行时间,提高最小化效率。(本文来源于《计算机工程》期刊2012年16期）
张美玲[6]（2009）在《软件自动化测试中测试用例最小化技术的研究》一文中研究指出软件测试是保证软件质量的重要手段。在当今软件使用日益普及的今天,软件测试在软件开发中的地位变得越来越重要。随着软件规模的不断扩大,测试的难度加大,对软件自动化测试的需求也逐渐扩大。到今天,软件自动化测试已经发展成了软件工程中的一个重要研究方向。软件自动化测试最终付诸为测试框架或测试工具的形式投入实际应用。回归测试作为软件生命周期的一个组成部分,在整个软件测试过程中占有很大的比重,软件开发的各个阶段都需要进行回归测试。因此本文在研究了现有的测试框架的基础上,提出了一个自动化回归测试框架ASTF(Automatic Software Testing Framework),可用于不同环境配置和平台的回归测试。它支持静态分析、动态分析、自动化回归测试,可以自动捕获用户输入,更新测试用例库,并对原始用例库进行最小化,提高测试效率。ASTF主要基于代码插装和捕获回放技术实现这些功能,提高了捕获回放的效率,易于实现测试用例的自动抽取。本文重点对测试用例最小化算法和自动化回归测试进行了研究,使用了基于GRE启发式算法的测试用例最小化算法对原始测试用例集进行了精简,去除了冗余的用例,提高了测试效率,并将测试用例最小化技术结合到回归测试中。回归测试作为软件生命周期的一个组成部分,在整个软件测试过程中占有很大的比重,软件开发的各个阶段都需要进行回归测试。本文首先针对回归测试的特点,提出了一个自动化回归测试框架ASTF,它具有良好的通用性和移植性。再次,对框架中的关键技术给出了解决方案。最后对测试用例最小化技术进行了深入研究,将GRE启发式算法应用于本框架中测试用例最小化,减少了回归测试中重测所有用例引起的资源浪费。(本文来源于《东华大学》期刊2009-12-01）
张美玲,姚砺[7]（2009）在《一个基于最小化测试用例集抽取的自动化测试框架》一文中研究指出提出了一个软件自动化测试框架(ASTF).它采用"前端—中间数据—后端"3层模式,可以进行静态测试、动态测试和自动化回归测试,并能对测试用例集进行最小化,实现测试用例效率分析和程序控制流分析.针对测试用例最小化,还采用了一种基于集合抽取的最小化算法.(本文来源于《上海工程技术大学学报》期刊2009年03期）
孙家泽,王曙燕,曹小鹏[8]（2009）在《用于测试用例最小化问题的改进PSO算法》一文中研究指出针对回归测试中测试用例最小化问题,将粒子群优化算法和随机算法相结合,提出一种二维随机粒子群优化算法,用来解决测试用例最小化的问题。该算法采用二维适应值评价函数,一维是覆盖度,另一维是冗余度。利用各个测试用例的覆盖率为概率随机产生下一代个体位置。实验结果表明该算法性能优良且具有较好的稳定性。(本文来源于《计算机工程》期刊2009年15期）
丁革建,郑燕妮,张璐[9]（2009）在《基于蚁群算法的测试用例集最小化研究》一文中研究指出测试用例集最小化的目的是用尽可能少的测试用例充分测试给定的被测目标。把每个待测用例抽象成独立的节点,通过构造虚拟蚁群以及采用启发信息的动态更新,提出一种新的基于蚁群算法的测试用例集最小化方法及具体实现步骤。并编写算法,运行仿真程序对基于蚁群算法的测试用例集最小化方法进行验证,对实验结果的分析证明了该算法的可行性和有效性。(本文来源于《计算机工程》期刊2009年06期）
马雪英[10]（2008）在《面向对象软件回归测试选择—测试用例最小化技术研究》一文中研究指出回归测试是软件开发过程中昂贵的却又需要频繁执行的软件维护活动,软件测试的任何阶段均涉及到回归测试问题。测试用例最小化是一种重要的回归测试缩减技术,目的是在满足测试需求的前提下,最大限度地降低回归测试规模,提高回归测试效率。本文围绕着缩减回归测试代价这一目标,基于面向对象软件测试度量和自动化测试环境的开发等工作,在测试用例最小化模型和算法等方面进行了较为深入的研究,主要包括以下几个方面:1.基于中间数据库的测试引擎的设计与实现。本文提出的测试该引擎由叁个部分构成:程序分析器、插装工具以及中间数据库。引擎的设计充分考虑了软件组件的复用,使得以该引擎为核心的测试环境具有良好的可扩展性;中间数据库中存储的程序结构信息和测试历史信息,在提供各种静态测试报告和动态测试报告的基础上,是进行回归测试及回归测试选择的基础。2.测试用例最小化问题的数学模型。基于块的测试覆盖度量和测试历史信息,本文提出了具有良好通用性的测试用例最小化问题的数学模型,并将其转化为整数规划模型。该模型能够方便地进行修改以适应不同的测试选择要求和测试覆盖度量标准,是实现测试用例选择自动化的基础。3.新的测试用例最小化贪心算法。测试用例最小化的目的是得到一个能够满足测试需求的最小回归测试用例集。为了得到最小代价的回归测试用例集,本文在研究现有测试用例最小化贪心算法的基础上,提出了新贪心算法。不同于一般算法,该算法综合考虑了测试用例在以往测试中的测试覆盖度和运行代价。实验结果表明:新测试用例最小化贪心算法能更有效地缩减回归测试用例集的测试运行代价,测试运行代价因素的考虑,能提高算法的用例优化效果。4.测试用例最小化遗传算法。为了进一步提高最小化效果,本文研究将遗传算法应用于测试最小化:基于测试历史信息,进行编码和种群初始化,设计适应度函数、叁个遗传算子,实现了测试用例最小化遗传算法。实验结果表明:测试用例最小化遗传算法能够显着降低测试用例集的规模和测试代价,并且具有比新测试用例最小化贪心算法更好的最小化能力和更高的最小化效率,显示了其全局优化算法的优越性;并且考虑代价因素能提高优化效果。5.对测试用例最小化技术的评价。最后本文提出了对测试用例最小化算法的综合评价,包括充分性、精确性、效益和通用性等四个方面,并根据这些指标,对以上两个算法进行模拟实例研究和评价。(本文来源于《浙江大学》期刊2008-05-01）
测试用例最小化论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在并行程序测试中,测试输入和线程交互时序是影响并行错误检测的两个关键因素。以缩减并行错误检测的输入空间为目标,给出一种基于变异测试的测试用例最小化算法。首先对并行程序进行研究,选取与并行错误密切相关的9个变异算子,并以此为基础为待测程序生成多种变异体;采用JPF作为线程调度工具来执行测试用例,根据变异评分与平均时间成本对测试用例进行排序,在优化后的测试用例集中选取检测能力不重复的测试用例,从而得到面向并行错误检测的最小测试用例集。实验结果证明,该方法能有效减小测试用例集的规模,并大幅缩短运行时间,从而提高了并行程序的测试效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
测试用例最小化论文参考文献
[1].邓秋辉,罗小华.基于混合遗传算法的回归测试用例集最小化研究[J].传感器与微系统.2018
[2].郑炜,冯晨,吴潇雪,黄月明,方靓芸.运用变异测试的并行程序测试用例最小化算法[J].计算机科学.2017
[3].耿静瑶.面向错误检测与定位协同的测试用例集最小化技术[D].北京化工大学.2017
[4].李忍,黄树成,祁云嵩.用于测试用例最小化的遗传算法[J].信息技术.2015
[5].申利民,高洁.基于遗传蚁群融合算法的测试用例最小化研究[J].计算机工程.2012
[6].张美玲.软件自动化测试中测试用例最小化技术的研究[D].东华大学.2009
[7].张美玲,姚砺.一个基于最小化测试用例集抽取的自动化测试框架[J].上海工程技术大学学报.2009
[8].孙家泽,王曙燕,曹小鹏.用于测试用例最小化问题的改进PSO算法[J].计算机工程.2009
[9].丁革建,郑燕妮,张璐.基于蚁群算法的测试用例集最小化研究[J].计算机工程.2009
[10].马雪英.面向对象软件回归测试选择—测试用例最小化技术研究[D].浙江大学.2008