-
公开(公告)号：CN111274119B
公开(公告)日：2022-05-17
申请号：CN201811480651.X
申请日：2018-12-05
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群协同进化的变异测试数据生成方法，目的是针对难杀死的变异体，采用多种群协同进化遗传算法生成测试数据时，根据种群进化提供的信息，逐渐的缩减搜索域，以提高生成变异测试数据的效率。首先，基于变异语句的可达难度和涉及程序输入变量个数等指标，确定难杀死变异体；然后，建立基于路径覆盖约束的变异测试数据生成问题的数学模型，最后，针对难杀死变异体，采用多种群协同进化遗传算法，基于种群进化提供的信息，确定搜索域缩减的时机和策略，动态缩减搜索域，快速准确的生成变异测试数据。
-
公开(公告)号：CN112699050A
公开(公告)日：2021-04-23
申请号：CN202110051666.X
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于变异体分组的软件测试用例多种群进化生成方法，目的是基于弱变异测试准则，动态确定输入变量与变异体相关性，并建立变异测试用例多任务优化模型；对于多组任务，采用多种群遗传算法，高效生成具有缺陷检测能力的测试用例。首先基于适应值变化确定变异体与输入变量的相关性，依据相同输入分量分组变异体；然后，建立基于相关输入变量的变异测试用例生成多任务优化模型；最后，为求解该模型，利用多种群遗传算法，以并行方式进化生成测试用例。
-
公开(公告)号：CN112699051B
公开(公告)日：2022-04-01
申请号：CN202110051668.9
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的变异体分组方法，目的通过动态策略判定变异体与输入分量的相关性，并基于相同输入变量分组变异体。该方法首先建立变异测试用例生成优化模型，设计适应值函数。然后，随机生成一些进化个体，作为基准测试数据，计算它的适应值；再对某一变量的值做很小的扰动，扰动后的值替换原变量的值，计算新测试数据的适应值；再通过比较扰动前、后对应的适应值变化，通过判定适应值与输入变量的相关性，判定变异体被杀死与输入变量的相关性；最后，建立变异体与输入分量相关矩阵，采取一定的策略分组变异体。
-
公开(公告)号：CN112699051A
公开(公告)日：2021-04-23
申请号：CN202110051668.9
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的变异体分组方法，目的通过动态策略判定变异体与输入分量的相关性，并基于相同输入变量分组变异体。该方法首先建立变异测试用例生成优化模型，设计适应值函数。然后，随机生成一些进化个体，作为基准测试数据，计算它的适应值；再对某一变量的值做很小的扰动，扰动后的值替换原变量的值，计算新测试数据的适应值；再通过比较扰动前、后对应的适应值变化，通过判定适应值与输入变量的相关性，判定变异体被杀死与输入变量的相关性；最后，建立变异体与输入分量相关矩阵，采取一定的策略分组变异体。
-
公开(公告)号：CN112699052B
公开(公告)日：2022-04-15
申请号：CN202110051669.3
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的软件测试用例进化生成方法，目的采用静态确定输入变量与变异分支相关性，缩减搜索域的范围，采用遗传算法高效生成具有缺陷检测能力的测试用例；该方法首先将确定变异体与输入变量的相关性，转化为可达变异分支的路径与输入变量的相关性，采用静态分析确定变异分支与输入变量的相关性；然后，建立变异测试用例生成数学模型，决策变量为相关输入变量；最后，利用遗传算法求解该模型，进化生成测试用例。
-
Patent Agency Ranking
公开(公告)号：CN112732577A
公开(公告)日：2021-04-30
申请号：CN202110028394.1
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种多任务软件测试用例进化生成方法，目的依据变异分支与程序路径的可执行性，将变异测试问题转化为传统的覆盖路径测试问题，采用多任务并行方式高效生成具有缺陷检测能力的测试用例。首先静态分析变异分支与程序路径的执行相关性，将所属执行路径相同的变异分支分为同一组；然后，对多组变异分支建立基于路径覆盖的变异测试用例生成多任务优化模型；最后，利用多种群遗传算法求解该模型，采用多任务并行方式高效生成具有缺陷检测能力的测试用例。本发明将变异分支依所属路径进行分组，采用传统成熟的路径测试方法，有助于提高软件测试的效率，生成具有高缺陷检测能力的测试用例。
-
公开(公告)号：CN112699045A
公开(公告)日：2021-04-23
申请号：CN202110028395.6
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群遗传算法的软件测试用例生成方法，目的依据相同输入分量分组变异分支，对于多个组的变异分支，采用多种群遗传算法并行高效生成具有高缺陷检测能力的软件测试用例。首先基于静态分析确定输入变量与变异分支，并基于相同相关输入分量分组变异分支；然后基于多个变异分支的组，构建多任务测试数据生成优化模型，以相关输入变量作为决策变量；最后，利用个体共享的多种群遗传算法，通过并行方式生成变异测试用例。本发明移除不相关变量，有助于减少搜索域；采用多种群遗传算法有利于，以并行方式处理测试用例生成，提高软件测试的效率。
-
公开(公告)号：CN111274119A
公开(公告)日：2020-06-12
申请号：CN201811480651.X
申请日：2018-12-05
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于多种群协同进化的变异测试数据生成方法，目的是针对难杀死的变异体，采用多种群协同进化遗传算法生成测试数据时，根据种群进化提供的信息，逐渐的缩减搜索域，以提高生成变异测试数据的效率。首先，基于变异语句的可达难度和涉及程序输入变量个数等指标，确定难杀死变异体；然后，建立基于路径覆盖约束的变异测试数据生成问题的数学模型，最后，针对难杀死变异体，采用多种群协同进化遗传算法，基于种群进化提供的信息，确定搜索域缩减的时机和策略，动态缩减搜索域，快速准确的生成变异测试数据。
-
公开(公告)号：CN112732582A
公开(公告)日：2021-04-30
申请号：CN202110051667.4
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于搜索域缩减的软件测试用例进化生成方法，目的是动态确定输入变量与变异体的相关性，移除不相关输入变量相当于缩减搜索域，并采用遗传算法高效生成变异测试用例；该方法，首先建立变异测试用例生成优化模型，设计适应值函数，再基于适应值变化动态确定变异体与输入变量的相关性；然后，改进变异测试用例生成优化模型，决策变量为相关输入变量，建立基于相关输入变量的变异测试用例生成优化模型；最后，针对新模型，在相关输入变量形成的搜索域内，采用遗传算法高效生成测试用例。
-
公开(公告)号：CN112699052A
公开(公告)日：2021-04-23
申请号：CN202110051669.3
申请日：2021-01-14
Applicant: 徐州工程学院
Abstract: 本发明公布了一种基于相关输入变量的软件测试用例进化生成方法，目的采用静态确定输入变量与变异分支相关性，缩减搜索域的范围，采用遗传算法高效生成具有缺陷检测能力的测试用例；该方法首先将确定变异体与输入变量的相关性，转化为可达变异分支的路径与输入变量的相关性，采用静态分析确定变异分支与输入变量的相关性；然后，建立变异测试用例生成数学模型，决策变量为相关输入变量；最后，利用遗传算法求解该模型，进化生成测试用例。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
