遗传算法在交互概览图测试路径生成中的应用研究

发布时间：2017-08-22 21:48

  本文关键词：遗传算法在交互概览图测试路径生成中的应用研究

  更多相关文章： UML模型 交互概览图 遗传算法 测试路径

【摘要】：随着科学技术的快速发展,各种软件产品出现在人们的生活当中,因此人们对于软件质量的要求也逐渐提升。软件测试是比较复杂耗时的,然而良好的软件测试方案,测试方法对于减少软件开发中的重复劳动、降低软件维护工作量的作用是显著的。近年来面向对象技术快速发展,大量的软件产品的开发都使用了面向对象技术,这使得基于UML模型的软件测试变得尤为重要。UML使用活动图来构建有关系统动态方面信息的模型,使用时序图构建系统中对象之间的交互细节信息。但是这两种图都只是表示系统某一方面的信息,不能够全面的展示系统,所以UML2.0这一版本为了弥补这个缺点提出了一个新图-交互概览图,它综合了上述两种图的优点,既能描述系统层面的信息又能表示对象之间的详细的交互信息,使得基于该图的测试更加全面和充分。所以本文选取UML交互概览图为研究对象。作为解决优化问题的一种搜索算法,遗传算法被广泛应用到各个领域中去,对遗传算法的应用研究也越来越受关注。近些年来遗传算法被引用到软件测试中,其在结构测试数据生成中的应用得到了广泛的研究。Ahmed等第一次将遗传算法应用到有关路径的测试中去,而且还是多路径的。Chartchai Doungsa-ard等运用遗传算法生成了UML状态图的测试数据,Nidal Yousef等将时序图、类图和遗传算法结合起来完成了测试数据生成的自动化。由已有的研究可知,我们能够将遗传算法运用到那些使用了UML进行建模的系统的相关测试中去,并能够生成高效的测试数据。因此本文选取遗传算法来生成交互概览图的测试路径。本文以UML交互概览图为研究对象,应用遗传算法来生成交互概览图的测试路径。主要进行了如下工作:(1)对UML建模语言以及遗传算法的基础理论知识进行了介绍。结合了已有的有关时序图、交互概览图测试方法的研究,给出了UML时序图以及交互概览图的形式化定义。(2)将交互概览图的控制结构和交互节点分开处理,交互概览图不仅包含了系统的业务流程信息还包含了对象交互细节信息,首先在不考虑交互概览图交互节点细节信息的条件下,将交互概览图的控制流程信息按照转换规则转化为控制流图。由于交互概览图的交互节点实质上是一个个的时序图,所以接着需要考虑交互节点细节信息,将其转化为消息调用图。(3)控制流图测试路径的生成。使用基于栈的权重分配算法和信息流度量方法来为控制流图中的每个节点分配权重值。根据控制流图中决策节点的个数来确定由该图生成初始种群的个体基因编码长度,编码方式采用0-1编码。每个个体基因表示控制流图的一条路径,计算路径中节点的权重值之和作为该路径的适应度值,进行选择交叉、变异操作直到产生最优测试路径。(4)消息调用图测试路径的生成。按照基本路径提取算法获取消息调用图的基本路径,选取消息调用图中最长路径的长度作为个体基因编码的长度,使用节点的编号来对各个基因位取值。按照一定的规则,产生一个随机数,根据这个随机数来生成初始个体的首个基因位的值,根据该值在消息调用图中任意选取一条测试路径(基因),按照这种方式生成初始种群。以个体对基本路径的覆盖程度为依据构造适应度函数,进行选择、交叉、变异直至产生最优测试路径。(5)交互概览图测试路径生成。将控制流图中最优测试路径的一些节点替换为其节点相对应的消息调用图的测试路径,这样交互概览图的测试路径就生成了。(6)通过具体实例验证了本文所提出的方法。实验结果表明使用本文所提的方法能够生成优化的测试路径,减少测试工作量,提高测试效率。
【关键词】：UML模型 交互概览图 遗传算法 测试路径
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.53;TP18
【目录】：

• 中文摘要3-5
• 英文摘要5-9
• 1 绪论9-15
• 1.1 论文的选题及研究意义9-10
• 1.2 国内外研究现状及存在的问题10-12
• 1.3 本文的研究内容及主要工作12-13
• 1.4 本文的组织安排13-15
• 2 UML模型相关知识15-33
• 2.1 UML简介15
• 2.2 UML发展历史15-16
• 2.3 UML的组成结构16-20
• 2.3.1 UML的基本构造块17-18
• 2.3.2 UML规则18
• 2.3.3 UML公共机制18-20
• 2.4 UML中的主要模型图20-33
• 2.4.1 用例图21-22
• 2.4.2 静态图22-25
• 2.4.3 行为图25-28
• 2.4.4 交互图28-30
• 2.4.5 实现图30
• 2.4.6 UML模型在软件测试中的应用30-33
• 3 遗传算法相关知识33-45
• 3.1 遗传算法简介33-36
• 3.1.1 遗传算法的发展历程33-34
• 3.1.2 遗传算法的运算过程34-35
• 3.1.3 遗传算法的特点35-36
• 3.2 遗传算法基本实现36-42
• 3.2.1 遗传算法基本组成要素36-41
• 3.2.2 遗传算法描述41-42
• 3.3 遗传算法在交互概览图应用中的可行性分析42-45
• 4 遗传算法在交互概览图测试路径生成中的应用45-67
• 4.1 生成测试路径的相关理论知识45-49
• 4.1.1 UML交互概览图在软件测试中的重要性45-46
• 4.1.2 UML模型的形式化46
• 4.1.3 生成测试用例的基本流程46-49
• 4.2 控制流图测试路径的生成49-59
• 4.2.1 构造控制流图49-51
• 4.2.2 生成控制流图的测试路径51-59
• 4.3 消息调用图的测试路径的生成59-65
• 4.3.1 构造消息调用图60-61
• 4.3.2 生成消息调用图的测试路径61-65
• 4.4 交互概览图测试用例的生成65-67
• 5 实验分析67-79
• 5.1 汽车租赁系统的交互概览图及相应的时序图67-72
• 5.2 实验过程及结果分析72-79
• 6 总结与展望79-81
• 致谢81-83
• 参考文献83-87
• 附录87
• A.作者在攻读硕士学位期间发表的论文题目87

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：721167