[發(fā)明專利]一種軟件測試用例集的精簡方法

無效

• 申請?zhí)枺?/td>: 201110428312.9
• 申請日: 2011-12-20
• 公開（公告）號: CN102521376A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設計）人: 胡靜
• 申請（專利權）人: 上海電機學院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F11/36
• 代理公司: 上海思微知識產(chǎn)權代理事務所(普通合伙) 31237
• 代理人: 鄭瑋

技術領域

本發(fā)明涉及一種軟件測試用例集的精簡方法，特別是涉及一種以流形學習為基礎的軟件測試用例集的精簡方法。

背景技術

一個成功的測試用例集首先應該滿足充分性，即待測軟件在這個有限的測試用例集上的行為，應該充分體現(xiàn)該軟件在輸入空間的整體行為。無論理論研究還是實驗結果都表明，對于相同數(shù)量的測試用例，結合了機器學習方法所產(chǎn)生的精簡測試用例集，在發(fā)現(xiàn)錯誤的能力方面明顯要高于隨機性所產(chǎn)生的測試用例。因此，現(xiàn)有技術中D.Cohen等提出了一種數(shù)據(jù)啟發(fā)方法，根據(jù)某種啟發(fā)性原則來選取測試用例集，其中啟發(fā)性原則的好壞直接影響測試的結果，并開發(fā)了相應的測試數(shù)據(jù)自動生成系統(tǒng)——AETG。此外，遺傳算法在軟件測試領域也是一個非常有前途的學習算法，如針對不同的測試目標，研究者們提出了一系列的適應度值構造方法，可用于語句與分支的覆蓋。典型的，M.Poper等提出了一種基于程序流程圖的適應度函數(shù)構造方法，適應于語句覆蓋與分支覆蓋。R.Weichselbaum等提出了一種新的進化測試方法，可用于語句、分支與條件覆蓋。

但是，從測試角度看，某些軟件系統(tǒng)功能龐大，參數(shù)復雜，滿足測試要求的測試用例具有數(shù)量大，維數(shù)高的特點。解決這類軟件系統(tǒng)的測試用例精簡問題一般難度都比較大。比如采用遺傳算法如何設計適應度函數(shù)，采用啟發(fā)式方法如何確定啟發(fā)性信息的等等，都給軟件測試帶來了一定的難度。

綜上所述，可知先前技術之軟件測試技術存在測試用例精簡難度較大的問題，因此實有必要提出改進的技術手段，來解決此一問題

發(fā)明內(nèi)容

為克服上述現(xiàn)有軟件測試技術存在測試用例精簡難度較大的問題，本發(fā)明的主要目的在于提供一種軟件測試用例集精簡方法，其利用流形學習方法，直接從具有高維特征的測試用例中，發(fā)現(xiàn)它們之間存在的內(nèi)在規(guī)律和性質(zhì)，并在此基礎上生成精簡的測試用例，在測試過程中最大程度的覆蓋測試路徑，達到測試用例集精簡的目的，降低了測試成本。

為達上述及其它目的，本發(fā)明提供一種軟件測試用例集的精簡方法，包括如下步驟：

步驟一，將高維空間的測試用例集降至有效的低維參數(shù)空間中；以及

步驟二，在步驟一的基礎上，利用k均值聚類方法選取聚類中心的測試數(shù)據(jù)作為被測軟件系統(tǒng)的測試用例，以構成精簡后的測試用例集；

其中k值為該低維參數(shù)空間的維數(shù)。

進一步地，步驟一采用等度規(guī)映射方法或局部線性嵌套方法將該測試用例集降至有效的低維參數(shù)空間中。

進一步地，步驟一包括如下步驟：

為系統(tǒng)參數(shù)賦初值，該系統(tǒng)參數(shù)包括鄰域值、嵌入維數(shù)以及Sammon系數(shù)；

固定嵌入維數(shù)，改變該鄰域值的大小，并執(zhí)行該局部線性嵌套方法，計算出Sammon系數(shù)值，并繪制該Sammon系數(shù)隨該鄰域值改變而變化的曲線圖；

判斷該Sammon系數(shù)隨該鄰域值改變而變化的曲線圖的曲線改變方式是否已固定；

若曲線改變方式已固定，則終止并估計出該低維參數(shù)空間。

進一步地，若曲線改變方式未固定，則改變該嵌入維數(shù)，并繼續(xù)進行該固定嵌入維數(shù)的步驟。

進一步地，于步驟二中，令該嵌入維數(shù)作為聚類中心點的數(shù)目，對所有測試用例集合進行K-均值聚類，選取該聚類中心點的測試樣例為該測試用例，而將該聚類中心點附近的測試樣例為冗余樣例。

進一步地，步驟二中僅刪除該聚類中心點附近的少數(shù)冗余樣例數(shù)，而對該測試用例集繼續(xù)進行精簡操作，直到該測試用例集為空為止。

進一步地，該Sammon系數(shù)定義如下：