人工智能技術(shù)增強變異測試的理論及應(yīng)用

1 緒 論
1.1 變異測試研究現(xiàn)狀
1.2 研究內(nèi)容
1.3 研究成果及意義
1.4 本書框架
1.5 進一步研究內(nèi)容
1.6 本章小結(jié)
參考文獻
2 相關(guān)技術(shù)工作
2.1 變異測試
2.2 變異分支
2.3 軟件測試數(shù)據(jù)生成
2.3.1 基于結(jié)構(gòu)覆蓋的測試數(shù)據(jù)生成
2.3.2 基于搜索的測試數(shù)據(jù)生成
2.4 聚類
2.5 多種群遺傳算法
2.6 本章小結(jié)
參考文獻
3 基于多種群遺傳算法的路徑覆蓋變異測試數(shù)據(jù)生成
3.1 研究動機
3.2 整體框架
3.3 變異分支構(gòu)建可執(zhí)行路徑
3.3.1 基于同一被測語句變異形成新變異分支
3.3.2 基于新變異分支構(gòu)建可執(zhí)行子路徑
3.3.3 基于統(tǒng)計分析構(gòu)建可執(zhí)行路徑
3.4 基于路徑覆蓋的測試數(shù)據(jù)生成數(shù)學(xué)模型
3.5 基于MGA覆蓋多路徑測試數(shù)據(jù)生成
3.6 實驗
3.6.1 需要驗證的問題
3.6.2 實驗設(shè)置
3.6.3 實驗過程
3.6.4 實驗結(jié)果
3.7 本章小結(jié)
參考文獻
4 模糊聚類和進化算法增強變異測試數(shù)據(jù)生成
4.1 研究動機
4.2 整體框架
4.3 模糊聚類變異分支
4.3.1 基本定義
4.3.2 排序變異分支
4.3.3 聚類變異分支
4.4 基于分支覆蓋約束的測試數(shù)據(jù)生成多任務(wù)數(shù)學(xué)模型
4.4.1 目標(biāo)函數(shù)
4.4.2 約束函數(shù)
4.4.3 數(shù)學(xué)模型
4.5 基于MGA測試數(shù)據(jù)有序生成
4.6 實驗
4.6.1 需要驗證的問題
4.6.2 實驗設(shè)置
4.6.3 實驗過程
4.6.4 實驗結(jié)果
4.7 本章小結(jié)101
參考文獻
5 基于多種群協(xié)同進化搜索域動態(tài)縮減的變異測試數(shù)據(jù)生成
5.1 研究動機
5.2 整體框架
5.3 確定頑固變異體
5.3.1 變異分支的執(zhí)行概率
5.3.2 變異分支涉及程序輸入變量的復(fù)雜度
5.3.3 綜合指標(biāo)
5.4 基于路徑覆蓋約束的測試數(shù)據(jù)生成數(shù)學(xué)模型
5.4.1 目標(biāo)函數(shù)ii
5.4.2 約束函數(shù)ii
5.4.3 數(shù)學(xué)模型 iii
5.5 基于CGA的搜索域動態(tài)縮減測試數(shù)據(jù)生成
5.5.1 算法描述
5.5.2 搜索域縮減時機
5.5.3 搜索域縮減策略
5.6 實驗
5.6.1 需要驗證的問題
5.6.2 實驗設(shè)置
5.6.3 實驗過程
5.6.4 實驗結(jié)果
5.7 本章小結(jié)
參考文獻
6 基于程序輸入分組變異分支的測試數(shù)據(jù)進化生成
6.1 研究動機
6.2 整體框架
6.3 基于程序輸入分組變異分支
6.3.1 變異分支與輸入變量之間的相關(guān)性
6.3.2 分組變異分支
6.4 基于相關(guān)輸入變量的測試數(shù)據(jù)生成數(shù)學(xué)模型
6.5 基于MGA多任務(wù)測試數(shù)據(jù)生成
6.6 實驗
6.6.1 需要驗證的問題
6.6.2 實驗設(shè)置
6.6.3 實驗過程
6.6.4 實驗結(jié)果
6.7 本章小結(jié)
參考文獻
7 并行程序的變異測試數(shù)據(jù)進化生成
7.1 研究動機
7.2 整體框架
7.3 并行程序的變異測試問題轉(zhuǎn)化
7.3.1 基本概念
7.3.2 并行程序變異分支的相關(guān)度
7.3.3 并行程序變異分支覆蓋難度
7.3.4 生成可執(zhí)行路徑集合
7.4 覆蓋多路徑測試數(shù)據(jù)生成的數(shù)學(xué)模型
7.5 基于MGA生成覆蓋并行程序多路徑測試數(shù)據(jù)
7.6 實驗
7.6.1 需要驗證的問題
7.6.2 實驗設(shè)置
7.6.3 實驗過程
7.6.4 實驗結(jié)果
7.7 本章小結(jié)
參考文獻
8 測試環(huán)境配置
8.1 SIR測試目標(biāo)
8.2 并行程序?qū)嶒炁渲?br /> 8.2.1 消息傳遞接口
8.2.2 運行平臺
參考文獻
附錄