信息科学技术专著丛书 基于人工智能的测试用例自动生成与测试用例集优化PDF电子书下载

查看更多关于的内容

第1章 软件测试 1

1.1 软件系统开发的可靠性问题 1

1.2 回归测试的必要性 2

1.3 单元测试概述 4

1.4 静态测试与动态测试 4

1.5 黑盒测试和白盒测试 5

1.6 基于路径和覆盖率的测试 7

1.7 约束求解问题 8

1.8 代码测试系统 8

本章参考文献 10

第2章 测试用例自动生成技术 12

2.1 静态测试用例自动生成方法 12

2.1.1 常用的静态分析技术 12

2.1.2 典型的测试用例生成技术 16

2.2 动态测试用例自动生成方法 18

2.2.1 直线式程序法 18

2.2.2 分支函数极小化法 19

2.2.3 ADTEST 20

2.2.4 迭代松弛法 20

2.2.5 MHS方法 20

2.3 动静结合的测试用例自动生成方法 26

本章参考文献 27

第3章 基于分支限界的测试用例生成 36

3.1 分支限界算法 36

3.1.1 问题定义 36

3.1.2 解决方案 38

3.1.3 路径约束提取 40

3.1.4 求相关变量集和相关变量闭包 42

3.1.5 变量级别确定算法 44

3.1.6 不相关变量移除 45

3.2 搜索加速算法 48

3.2.1 基于抽象解释的区间迭代优化策略 48

3.2.2 变量动态排序决策机制 52

3.2.3 基于爬山法的求解 55

3.2.4 实例分析 61

3.3 实验 65

3.3.1 迭代的区间运算对比实验 66

3.3.2 变量的动态排序对比实验 68

3.3.3 爬山法实验 69

第4章 人工智能在测试用例自动生成中的应用 72

4.1 基于矛盾定位的混合回溯技术 72

4.1.1 背景介绍 72

4.1.2 问题的提出 73

4.1.3 3C算法 75

4.1.4 算法介绍 79

4.1.5 实验分析 81

4.2 基于优化区间运算的一致性判断算法 87

4.2.1 背景介绍 87

4.2.2 问题的提出 90

4.2.3 理论分析 90

4.2.4 算法描述和实现 91

4.2.5 实验分析 95

4.3 基于神经网络技术的测试用例生成时间预测 103

4.3.1 背景介绍 103

4.3.2 问题的描述 106

4.3.3 数据准备 108

4.3.4 模型的确定与实现 111

4.3.5 实例分析 114

4.4 基于强化学习技术的测试用例自动生成技术 117

4.4.1 背景介绍 118

4.4.2 问题的描述 121

4.4.3 强化学习模型的构建及算法描述 121

4.4.4 实例分析 126

本章参考文献 128

第5章 特殊程序结构的测试用例生成 131

5.1 动静结合的循环处理模型 131

5.1.1 背景介绍 131

5.1.2 选择性符号执行 132

5.1.3 优化问题和目标函数 132

5.1.4 启发式引导的k＋1循环处理模型 133

5.1.5 启发式引导的k＋1循环处理模型算法概述 138

5.1.6 实例分析 139

5.2 基于代码片段和反向符号执行的不可达路径判定技术 140

5.2.1 背景介绍 140

5.2.2 不可达路径判定问题的重定义 141

5.2.3 不可达路径的特征调研 142

5.2.4 依赖循环的等值代码片段 143

5.2.5 对于代码片段性值的有效性验证 145

5.2.6 基于反向符号执行的可达路径生成技术 146

5.2.7 实例分析 147

5.3 基于原子函数的字符串类型测试用例自动生成技术 148

5.3.1 背景介绍 148

5.3.2 字符串约束描述语言 150

5.3.3 原子函数的等价性 152

5.3.4 ？Atom的约束求解过程 153

5.3.5 实例分析 155

5.4 库函数的约束求解策略 156

5.4.1 问题的描述 156

5.4.2 算法描述和实现 158

5.4.3 实例分析 161

本章参考文献 163

第6章 测试用例集约简 166

6.1 测试用例集约简概述 166

6.1.1 相关技术研究 166

6.1.2 测试用例集约简的基本概念 171

6.1.3 测试用例集约简的数学建模 171

6.2 基于佳点集萤火虫算法的测试用例集约简 172

6.2.1 萤火虫算法 172

6.2.2 佳点集萤火虫算法 173

6.2.3 测试用例集约简建模 179

6.2.4 实验分析 180

6.3 基于蚁狮优化算法的测试用例集约简 183

6.3.1 蚁狮优化算法 183

6.3.2 实验分析 185

本章参考文献 189

第7章 测试用例优先级排序 191

7.1 测试用例优先级排序 191

7.1.1 测试用例优先级排序的定义 191

7.1.2 多目标优化问题 191

7.1.3 多目标测试用例优先级排序 195

7.1.4 测试用例集排序的评测指标 195

7.2 基于人工免疫算法的测试用例优先级排序 196

7.2.1 优化目标选取 196

7.2.2 人工免疫算法 196

7.2.3 实验分析 199

7.3 基于多种群粒子群算法的多目标测试用例优先级排序 202

7.3.1 优化目标选取 202

7.3.2 多种群协同粒子群算法 202

7.3.3 基于多种群粒子群算法的多目标测试用例优先级排序 203

7.3.4 实验分析 206

7.4 基于蝙蝠免疫算法的测试用例集排序 210

7.4.1 优化目标选取 210

7.4.2 蝙蝠算法 210

7.4.3 人工免疫系统 212

7.4.4 多目标蝙蝠免疫算法 214

7.4.5 实验分析 218

本章参考文献 221

查看更多关于的内容