基于PSO的多目标测试用例预优化

摘要：

随着软件规模的增大,在软件回归测试中,重复执行庞大的全部测试用例集已不再现实.在这种情况下,对测试用例集进行预处理就尤为重要.测试用例预优化是寻找最佳测试用例执行序列的一种技术.在实际的软件回归测试中,基于多目标的测试用例优化技术已逐步取代了单目标优化;应用进化算法解决多目标测试用例预优化是当前研究的热点.但由于进化算法主要是基于种群进行遗传迭代,种群间的交互机制相对复杂,算法的执行效率会随着种群及测试用例集规模的增大而显著下降.针对上述情况,提出了一种基于粒子群优化算法(PSO)的测试用例预优化方法,设计了粒子的表示和状态更新方式,研究了不同粒子更新方式和迭代次数及粒子群大小对多目标测试用例预优化结果的影响.实验结果显示,同基于NSGA-Ⅱ的方法相比,所提方法的执行效率显著提高,可以解决实际回归测试中的多目标测试用例预优化问题.

关键词：回归测试、测试用例预优化、多目标、PSO

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61170082,61073035;教育部新世纪优秀人才支持计划NCET-12-0757;教育部留学回国人员科研启动基金LXJJ201303

在线出版日期：2014-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：72-77