软件产品线基于模型的测试和特征建模的研究
发布时间:2021-08-13 01:20
软件产品线工程是一种新兴的软件开发技术,使用这种技术可以快速高效地开发并管理一系列具有公共特性的软件产品,形成软件产品家族。然而,软件产品线工程的快速开发优势却为测试工作带来了巨大挑战。为了克服这一挑战,基于模型的软件产品线测试策略应运而生。组合交互测试一直是软件测试中的热门话题,近些年来,软件产品线研究者们将组合测试方法应用于基于模型的软件产品线测试中。该测试方法的策略是从众多产品中挑选出少量产品配置以形成测试套件,从而实现高组合覆盖率。由于有效特征组合的数量会随着交互强度的增加而呈爆炸式增长,此现象使得现有的组合测试方法多是在低强度特征交互背景下实现,但是在实际的软件产品线应用环境中,特征交互多为高强度交互。因此如何在高强度特征交互下选择最少的产品配置来实现最大的组合覆盖率是的一个困难且具有实际意义的问题。基于模型的软件产品线测试方法离不开特征模型,传统的特征模型生成需要软件产品线领域工程师从需求说明书中手工提取相关信息进行特征建模。基于手工的特征建模是一项难度大、成本高、且易出错的劳动密集型工作。又因为软件需求说明书是使用自然语言编写的文档,计算机难以直接识别其中蕴含的信息,而现...
【文章来源】:安徽大学安徽省 211工程院校
【文章页数】:78 页
【学位级别】:硕士
【部分图文】:
图2.3基于模型的软件产品线测试策略??-
(Tournament)的方式,在合并种群时剔除适应度最小的个体。之所以选择这两??种算法是因为有研究表明这两种算法是在基于搜索的软件工程领域最有代表性??的两种算法[49],图2.4是Sayyad等人149]对基于搜索的软件工程领域中近年来51??篇文章中25种进化算法的出现频率统计。??35??30??||...|??NSGA-II?SPEA2?MOCell?PAES?MOGA?其他??图2.4进化算法的使用频率??Fig.?2.4?Evolutionary?algorithms?by?frequency?of?use??2.3?特征建模??测试工作的开展需要特征模型,获取特征模型的手段只有通过需求说明书完??成特征建模工作来实现。软件产品线特征模型是由特征与约束关系组成的一种反??映核心资产的结构,因此本文的特征建模工作将分为特征提取和约束关系挖掘两??个部分展开。本节对研究中需要使用的相关技术知识进行简要阐述。??2.3.1基于自然语言处理技术的特征提取??自然语言处理(Natural?Language?Processing,简称NLP)技术使得计算机可??以处理人类日常使用的语言|5()]。从自然语言的需求说明书中对候选特征进行提??15??
而相似性值只是进化过程中的一个引导因素,因此相似性适应度函数值S??不在这里列出。此外,在以后的实验中同样只列出产品配置的数量和实现的/-wise??覆盖率。最后一列是测试套件中含有的产品配置编号。通过观察表3.1和图3.8??可以发现,最多只需要2.3%的产品配置数就可以实现100%的/-wise覆盖率。另??夕卜,可以注意到在图3.8中,交互强度等于5和6时,初始的/-wise未覆盖率远??高于其他交互强度。这是因为在高强度的特征交互下,有效的/-sets数量非常庞??大,远高于较低的交互强度,这种情况下,同样少量的产品配置数很难实现低交??互强度下的效果。随着产品数量的逐渐增多,实现的覆盖效果大幅上升,最终也??只需要2%左右的产品配置数就可以起到最好的覆盖效果。所以通过初步的实验??可以认为MOOM方法可以有效的解决高强度交互下软件产品线/-wise测试问??题。??29??
本文编号:3339449
【文章来源】:安徽大学安徽省 211工程院校
【文章页数】:78 页
【学位级别】:硕士
【部分图文】:
图2.3基于模型的软件产品线测试策略??-
(Tournament)的方式,在合并种群时剔除适应度最小的个体。之所以选择这两??种算法是因为有研究表明这两种算法是在基于搜索的软件工程领域最有代表性??的两种算法[49],图2.4是Sayyad等人149]对基于搜索的软件工程领域中近年来51??篇文章中25种进化算法的出现频率统计。??35??30??||...|??NSGA-II?SPEA2?MOCell?PAES?MOGA?其他??图2.4进化算法的使用频率??Fig.?2.4?Evolutionary?algorithms?by?frequency?of?use??2.3?特征建模??测试工作的开展需要特征模型,获取特征模型的手段只有通过需求说明书完??成特征建模工作来实现。软件产品线特征模型是由特征与约束关系组成的一种反??映核心资产的结构,因此本文的特征建模工作将分为特征提取和约束关系挖掘两??个部分展开。本节对研究中需要使用的相关技术知识进行简要阐述。??2.3.1基于自然语言处理技术的特征提取??自然语言处理(Natural?Language?Processing,简称NLP)技术使得计算机可??以处理人类日常使用的语言|5()]。从自然语言的需求说明书中对候选特征进行提??15??
而相似性值只是进化过程中的一个引导因素,因此相似性适应度函数值S??不在这里列出。此外,在以后的实验中同样只列出产品配置的数量和实现的/-wise??覆盖率。最后一列是测试套件中含有的产品配置编号。通过观察表3.1和图3.8??可以发现,最多只需要2.3%的产品配置数就可以实现100%的/-wise覆盖率。另??夕卜,可以注意到在图3.8中,交互强度等于5和6时,初始的/-wise未覆盖率远??高于其他交互强度。这是因为在高强度的特征交互下,有效的/-sets数量非常庞??大,远高于较低的交互强度,这种情况下,同样少量的产品配置数很难实现低交??互强度下的效果。随着产品数量的逐渐增多,实现的覆盖效果大幅上升,最终也??只需要2%左右的产品配置数就可以起到最好的覆盖效果。所以通过初步的实验??可以认为MOOM方法可以有效的解决高强度交互下软件产品线/-wise测试问??题。??29??
本文编号:3339449
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3339449.html