主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2019-2020年专刊出版计划 微信服务介绍 最新一期:2019年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
薛云志,陈伟,王永吉,赵琛,王青.一种基于Messy GA的结构测试数据自动生成方法.软件学报,2006,17(8):1688-1697
一种基于Messy GA的结构测试数据自动生成方法
An Automated Approach for Structural Test Data Generation Based on Messy GA
投稿时间:2005-07-07  修订日期:2005-12-01
DOI:
中文关键词:  结构测试  测试数据  测试用例  自动生成  遗传算法  变长度染色体  Messy GA
英文关键词:structural test  test data  test case  automatic generation  genetic algorithm  sizable chromosome  Messy GA
基金项目:Supported by the National Hi-Tech Research and Development Program of China under Grant No.2004AA1Z2100 (国家高技术研究发展计划(863)); the Program of the Chinese Academy of Sciences for One Hundred Talents under Grant No.BCK35873 (中国科学院百人计划)
作者单位
薛云志 中国科学院,软件研究所,互联网软件技术实验室,北京,100080
中国科学院,研究生院,北京,100049 
陈伟 中国科学院,软件研究所,互联网软件技术实验室,北京,100080
中国科学院,研究生院,北京,100049 
王永吉 中国科学院,软件研究所,互联网软件技术实验室,北京,100080
中国科学院,软件研究所,计算机科学重点实验室,北京,100080 
赵琛 中国科学院,软件研究所,互联网软件技术实验室,北京,100080 
王青 中国科学院,软件研究所,互联网软件技术实验室,北京,100080 
摘要点击次数: 3010
全文下载次数: 2979
中文摘要:
      结构性测试是标识测试用例的基本方法之一.由于程序语言的复杂性以及被测程序的多样性,自动生成结构测试数据的一种有效方法是根据程序运行结果指导生成过程,通过不断迭代,生成符合要求的测试数据集.提出一种基于Messy GA的结构测试数据自动生成方法,将测试覆盖率表示为测试输入集X的函数F(X),并利用Messy GA不需要染色体模式排列的先验知识即可进行优化求解的性质对F(X)进行迭代寻优,进一步提高了搜索的并行性,并最终提高测试覆盖率.对一组标准测试程序和若干实际应用程序的实验结果表明,较之现有基于遗传算法的生成方法,该方法能够以更高的效率生成更高质量的测试数据,并适用于较大规模的程序.
英文摘要:
      Structural testing is one of the basic approaches for identifying test cases. Because of complexity of programming languages and variety of applications, an efficient approach to automated generation of structural test data is to breed search iteratively by profiling of program execution. Based on Messy GA, an automated approach for generating such data is proposed in this paper by solving F(X), a test coverage function of test data set. It utilizes Messy GA’s prominent feature that can optimize complicated problems without prior knowledge about schema arrangement in chromosomes, so that it can improve concurrency level of searching and test coverage. Compared with other approaches based on GA, the experimental results for several typical programs and real-world applications show that it can generate higher quality test data more efficiently, and can be applied to larger applications.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利