智能优化算法在回归测试关键技术中的应用现状研究

发布时间：2021-03-14 08:05

　　近些年,智能优化算法在软件工程领域得到了广泛的应用,基于搜索的软件工程技术往往通过设计具体问题的适应值函数,并基于该函数在问题的可行解空间中使用优化算法寻求最优解。本文首先介绍了常用的智能优化算法,包括遗传算法、爬山算法、粒子群算法以及蚁群算法,之后分析并研究这些算法在测试数据生成、测试用例选择以及测试用例优先级排序技术中的应用,为有效解决基于搜索的软件工程问题奠定基础,促进回归测试效率的提高。 

【文章来源】：软件. 2020,41(01)

【文章页数】：3 页

【文章目录】：
0 引言
1 常用的智能优化算法概述
    1.1 遗传算法
    1.2 爬山算法
    1.3 粒子群算法
    1.4 蚁群算法
2 智能优化算法在回归测试关键技术中的应用
    2.1 在测试数据自动生成中的应用
    2.2 在测试用例选择中的应用
    2.3 在测试用例排序中的应用
3 总结


【参考文献】：
期刊论文
[1]基于粒子群算法的FIR滤波器的优化设计[J]. 陈晓文.  宁德师范学院学报(自然科学版). 2019(03)
[2]云计算中基于包簇映射的多目标蚁群资源分配算法[J]. 丁顺,陈世平.  软件. 2018(11)
[3]基于智能优化算法的测试数据生成综述[J]. 薛猛,姜淑娟,王荣存.  计算机工程与应用. 2018(17)
[4]基于相似性算法与蚁群算法的聚类算法[J]. 朱俚治.  计算机测量与控制. 2018(06)
[5]大数据背景下软件测试的挑战与展望[J]. 张琪.  软件. 2018(06)
[6]基于工作流的软件测试过程模型研究[J]. 颜乐鸣.  软件. 2018(05)
[7]基于数据流约简的测试用例生成策略研究[J]. 杨子健,赵逢禹.  软件. 2018(04)
[8]基于改进蚁群算法的软件测试方法[J]. 李泽雪,薛亮,李相民.  兵工自动化. 2017(02)
[9]一种基于遗传算法的测试用例优先排序方法[J]. 张卫祥,魏波,杜会森.  小型微型计算机系统. 2015(09)
[10]基于传统H算法改进的回归测试用例优化算法[J]. 成亚玲,谭爱平,彭湘华.  湖南工业职业技术学院学报. 2015(04)



本文编号：3081788