基于聚类和分布估计算法的变异测试降耗方法研究

发布时间：2021-11-11 07:44

　　作为一种重要的软件测试技术,变异测试不仅可以用于构造完备的测试用例集以揭示软件缺陷,而且可以用来衡量测试用例集的揭错能力,评估测试用例集的有效性。然而,变异测试所产生的大量变异体和所生成的测试用例的高冗余性,使得变异测试耗费巨大。随着软件规模的不断扩大,这一问题变得尤为突出。因此,寻找更加有效的方法来解决目前所存在的高耗问题变得更加迫切。鉴于此,本文从变异体约简和测试用例生成两个方面进行研究,目的是在提高变异测试效率的同时对变异测试降耗。为了有效减少变异体的数量,本文提出基于改进谱聚类算法的变异体约简方法。首先,利用查杀矩阵给出变异体之间的距离计算公式;然后,利用改进的谱聚类算法对变异体进行聚类;最后,在每一类随机选择一个变异体作为代表性个体,以构成变异体约简集合。所提方法在不影响测试用例充分度的情况下,有效约简变异体。为了高效生成杀死变异体的测试用例,本文提出基于扩展路径覆盖的弱变异测试用例生成方法。首先,使用弱变异转化规则获得变异分支,并依据4个规则构建扩展控制流程图;然后,根据扩展控制流程图,为每一个边附上转移概率,从而获得马尔科夫链使用模型;接着,基于马尔科夫链使用模型自动生成... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

所提方法和两个自动确定聚类数目的基准技术的对比结果

硕士学位论文30较本文所提方法低（11个程序中仅有一个程序超过95%）。换句话说，与其他两种基准技术相比较，本文所提方法所获得的聚类数目平均值可以实现在效率（变异体约简子集的大小）和有效性（具有较高的变异得分）上较好的平衡。2.5.3谱聚类算法的性能结果及分析图2-4给出了所提方法与其他两个聚类算法的对比结果。图2-4所提方法与其他两个聚类算法的对比结果Figure2-4Theresultsofcomparisonbetweentheproposedmethodandtheothertwoclusteringalgorithms从图2-4中可以看出，三个聚类技术中，SCMT在totalTMS上表现更优，变异得分较高。我们可以得出在SCMT中的谱聚类算法要优于ACA和聚类算法Kmeans。应该注意的是，尽管看起来性能不佳，光谱聚类还有另一个优势：可以使用光谱聚类算法自动确定聚类的数量，这不适用于Kmeans和ACA，表明SCMT不仅具有更高的效率，而且具有更好的可伸缩性。2.6本章小结（ConclusionsofThisChapter）变异测试可用于指导有效检测各种故障的测试用例的生成，以及评估测试方法的有效性。由于在变异测试中会产生大量的变异体，从而导致了高昂的计算成本，而且在许多实际情况下，阻碍变异测试的应用范围。本章我们给出了一种基于智能技术的变异体约简方法，即光谱聚类。该方法首先自动确定聚类的数目；然后，使用光谱聚类技术将变异体分类为多个簇；最后，在每个簇中选择有一个变异体来构成变异体的子集。为了评估所提方法的有效性，本文将所提方法（SCMT）应用于现实中11个基准程序。结果表明，该方法可以显著减少变异体的数量不会影响变异体检测的性能。与其他基准测试技术相比，所提方法能够始终如一地提供高效的变异检测。尽管我们使用本章方法对变异体进行有效约简，但是对复杂程序而言，约简


本文编号：3488469