測試用例優(yōu)先排序(TCP)技術旨在為被測程序尋找滿足特定目標的最優(yōu)測試用例執(zhí)行序列。隨著對軟件回歸測試技術的需求不斷提升,滿足多目標的測試用例優(yōu)先排序(MOTCP)技術近年來得到廣泛研究。許多多目標演化算法用于解決MOTCP問題,但這些算法大都針對特定的測試場景,在不同的測試場景中,不同算法的結果也不盡相同,不存在一個通用的多目標演化算法在各個不同的測試場景中都能夠高效運行。為解決不同測試場景中的算法調(diào)度問題,一種基于搜索的超啟發(fā)式(HH)動態(tài)自適應框架被應用到MOTCP問題中。該框架主要由底層算法層和上層決策層兩部分組成。底層算法層封裝了多個多目標演化算法,上層決策層則是動態(tài)自適應選擇底層算法的調(diào)度策略。盡管HH-MOTCP框架表現(xiàn)出了較好的有效性,但是上層調(diào)度策略仍有很大的改進空間,更好的上層調(diào)度策略有助于得到更滿足測試優(yōu)化目標的解,也會進一步提高超啟發(fā)框架的性能。本課題從兩個方面對HH-MOTCP框架的上層調(diào)度策略進行系統(tǒng)研究,一方面是基于“利用”和“探索”思想的上層調(diào)度策略,另一方面是基于強化學習方法的上層調(diào)度策略。通過對HH-MOTCP框架的上層調(diào)度策略進行研究,本課題:(1...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
學位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多目標測試用例優(yōu)先排序
        1.2.2 超啟發(fā)式搜索框架
    1.3 本課題的主要研究內(nèi)容及貢獻
    1.4 本文組織結構
第二章 動態(tài)自適應的超啟發(fā)式搜索框架
    2.1 面向MOTCP問題的超啟發(fā)框架架構
    2.2 超啟發(fā)框架底層算法庫的構建
    2.3 超啟發(fā)框架的上層決策層
    2.4 本章小結
第三章 基于“利用”和“探索”的上層調(diào)度策略
    3.1 基于底層算法即時和歷史執(zhí)行信息的評價指標
    3.2 基于評價指標采用的選擇算法
        3.2.1 常見選擇算法在HH-MOTCP框架的應用
        3.2.2 ∈Roulette-Greedy選擇算法
    3.3 SIMAB算法作為上層調(diào)度策略
    3.4 本章小結
第四章 基于強化學習方法的上層調(diào)度策略
    4.1 強化學習在HH-MOTCP框架的應用
    4.2 基于學習自動機的調(diào)度策略
    4.3 基于行為估計值的調(diào)度策略
    4.4 本章小結
第五章 實驗驗證及結果分析
    5.1 實驗對象
    5.2 評估指標
    5.3 實驗設計
    5.4 實驗結果與分析
    5.5 本章小結
第六章 結論與展望
    6.1 本文結論
    6.2 本文展望
參考文獻
致謝
導師及作者簡介
附件



本文編號：3832984