面向MOTCP问题的超启发式框架调度策略研究

发布时间：2023-06-10 13:57

　　测试用例优先排序(TCP)技术旨在为被测程序寻找满足特定目标的最优测试用例执行序列。随着对软件回归测试技术的需求不断提升,满足多目标的测试用例优先排序(MOTCP)技术近年来得到广泛研究。许多多目标演化算法用于解决MOTCP问题,但这些算法大都针对特定的测试场景,在不同的测试场景中,不同算法的结果也不尽相同,不存在一个通用的多目标演化算法在各个不同的测试场景中都能够高效运行。为解决不同测试场景中的算法调度问题,一种基于搜索的超启发式(HH)动态自适应框架被应用到MOTCP问题中。该框架主要由底层算法层和上层决策层两部分组成。底层算法层封装了多个多目标演化算法,上层决策层则是动态自适应选择底层算法的调度策略。尽管HH-MOTCP框架表现出了较好的有效性,但是上层调度策略仍有很大的改进空间,更好的上层调度策略有助于得到更满足测试优化目标的解,也会进一步提高超启发框架的性能。本课题从两个方面对HH-MOTCP框架的上层调度策略进行系统研究,一方面是基于“利用”和“探索”思想的上层调度策略,另一方面是基于强化学习方法的上层调度策略。通过对HH-MOTCP框架的上层调度策略进行研究,本课题:(1...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 多目标测试用例优先排序
        1.2.2 超启发式搜索框架
    1.3 本课题的主要研究内容及贡献
    1.4 本文组织结构
第二章 动态自适应的超启发式搜索框架
    2.1 面向MOTCP问题的超启发框架架构
    2.2 超启发框架底层算法库的构建
    2.3 超启发框架的上层决策层
    2.4 本章小结
第三章 基于“利用”和“探索”的上层调度策略
    3.1 基于底层算法即时和历史执行信息的评价指标
    3.2 基于评价指标采用的选择算法
        3.2.1 常见选择算法在HH-MOTCP框架的应用
        3.2.2 ∈Roulette-Greedy选择算法
    3.3 SIMAB算法作为上层调度策略
    3.4 本章小结
第四章 基于强化学习方法的上层调度策略
    4.1 强化学习在HH-MOTCP框架的应用
    4.2 基于学习自动机的调度策略
    4.3 基于行为估计值的调度策略
    4.4 本章小结
第五章 实验验证及结果分析
    5.1 实验对象
    5.2 评估指标
    5.3 实验设计
    5.4 实验结果与分析
    5.5 本章小结
第六章 结论与展望
    6.1 本文结论
    6.2 本文展望
参考文献
致谢
导师及作者简介
附件



本文编号：3832984