基于LSGA的最小测试用例集自动生成

摘要

随着计算机技术的不断发展，软件也走入了人类社会的各个领域。然而随着软件规模的不断扩大，复杂度也不断提高，高质量的软件开发越来越困难。因此提高软件质量和可靠性成为软件工程领域研究的热点。 软件测试是保证软件质量和可靠性的重要手段和方法，然而它是一个复杂的过程，需要耗费巨大的人力、物力和时间，所以提高软件测试的自动化程度对于确保软件开发质量、降低软件开发成本非常重要，其中，提高生成测试用例的自动化程度又是至关重要的一步。针对目前研究工作普遍存在的问题，本文提出自动生成最小测试用例集，并改进遗传算法应用于该问题。 从这一问题入手开始研究工作，首先系统介绍目前的自动化测试研究现状、软件测试基本理论和测试用例自动生成技术，重点介绍了基于代码的测试用例自动生成的研究成果。然后阐述了遗传算法的基本理论和实现方法。 本文重点介绍了基于LSGA 算法最小测试用例集自动生成系统的实现技术。 在遗传算法的基础上，根据本课题实现语句覆盖的测试目标，结合基本路径测试技术和程序插装，作者提出了最大稳定遗传算法（LSGA），并将该算法用于最小测试用例集的自动生成问题。接着本文重点阐述了系统实现的核心技术：适应度函数的构造、路径编号、参数编码、选择算子、交叉算子和变异算子。本文作者在构造适应度函数和路径编号时提出了“邻近者优先”原则和“就近路径编号”原则。最后对算法进行仿真实验和性能分析。 本文应用该理论开发出原型系统，其性能明显优越于基本遗传算法。最后进行总结并针对系统中存在的弊端提出下一步的研究方向。