软件确保智能测试用例生成PSO算法进展研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

软件确保智能测试用例生成PSO算法进展研究

耿技, 聂鹏, 秦志光

文章导航 > 电子科技大学学报 > 2012 > 41(6): 905-910

耿技, 聂鹏, 秦志光. 软件确保智能测试用例生成PSO算法进展研究[J]. 电子科技大学学报, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

引用本文:

耿技, 聂鹏, 秦志光. 软件确保智能测试用例生成PSO算法进展研究[J]. 电子科技大学学报, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

GENG Ji, NIE Peng, QIN Zhi-guang. Overview of PSO for Automatic Test Case Generation in Software Assurance[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

Citation:

GENG Ji, NIE Peng, QIN Zhi-guang. Overview of PSO for Automatic Test Case Generation in Software Assurance[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

软件确保智能测试用例生成PSO算法进展研究

doi: 10.3969/j.issn.1001-0548.2012.06.017

耿技¹,
聂鹏^1,2,
秦志光¹

1.
电子科技大学计算机科学与工程学院成都 611731;
2.
江西财经大学现代教育技术中心南昌 330013

基金项目:

国家自然科学基金(60973118,61133016);国家863计划(2011AA010706)

作者简介:
耿技(1963-),男,教授,主要从事系统软件、软件确保、软件智能测试方面的研究.

中图分类号: TP311

Overview of PSO for Automatic Test Case Generation in Software Assurance

1.
School of Computer Science & Engineering,University of Electronic Science and Technology of China Chengdu 611731;
2.
Center of Modern Education Technology,Jiangxi University of Finance and Economics Nanchang 330013

摘要: 测试用例生成是软件测试的重要环节,是软件确保的重要组成部分,其中启发性算法是近年来测试用例自动生成研究领域的热点。对启发性测试用例生成的新方法PSO进行了介绍和分析,详细讨论了PSO算法适应度函数、PSO算法早熟与局部最优、种群规模对PSO算法的影响以及PSO参数优化问题,并将PSO与GA算法进行了对比分析。展望了PSO测试用例生成算法的未来研究方向,指出PSO测试用例生成算法目前应重点解决测试用例规模优化、早熟抑制和参数优选等问题。
- 启发性算法 /
- 粒子群优化 /
- 软件确保 /
- 软件测试 /
- 测试用例生成
Abstract: The automatic test case generation is a key phase of software testing and an important part of software assurance. The study on the heuristic algorithms is an emerging area of the automatic test case generation in recent years. The new heuristic algorithm of PSO for the test case generation is reviewed and analyzed. Key issues on the PSO test case generation are discussed, including PSO fitness functions, PSO premature convergence and local optimum, swarm size impact, and parameter optimization. A contrastive analysis of PSO and GA in software testing is presented in detail. Finally, the future development of PSO test case generation algorithms is prospected including the test case swarm size optimization, the premature restraining, and the parameter optimization.
- heuristic algorithm /
- particle swarm optimization /
- software assurance /
- software testing /
- test case generation

[1]	李虎泉, 郭世盛, 陈家辉, 崔国龙, 孔令讲. 分布式穿墙成像雷达空间配准方法 . 电子科技大学学报, 2023, 52(1): 30-37. doi: 10.12178/1001-0548.2022162
[2]	何羚, 舒文江, 陈良, 阎啸, 王茜. 改进的多目标粒子群优化算法及其在雷达布站中的应用 . 电子科技大学学报, 2020, 49(6): 806-811. doi: 10.12178/1001-0548.2020025
[3]	闫理跃, 王厚军, 刘震. 考虑奇点扰动问题的时间序列预测方法 . 电子科技大学学报, 2019, 48(6): 850-857. doi: 10.3969/j.issn.1001-0548.2019.06.008
[4]	唐贤伦, 刘庆, 张娜, 周家林. 混合PSO优化卷积神经网络结构和参数 . 电子科技大学学报, 2018, 47(2): 230-234. doi: 10.3969/j.issn.1001-0548.2018.02.011
[5]	张云春, 王玉婧, 姚绍文, 李娜, 胡建陶. 基于粒子群优化的无线Mesh网络信道分配算法 . 电子科技大学学报, 2017, 46(5): 728-733, 746. doi: 10.3969/j.issn.1001-0548.2017.05.015
[6]	张劼, 钟朗, 李广军, 杨学敏, 杨云乐. 基于节点优先级的无线Mesh网络资源分配 . 电子科技大学学报, 2016, 45(1): 54-59. doi: 10.3969/j.issn.1001-0548.2016.01.008
[7]	肖海林, 任婵婵, 聂在平, 李民政. 基于线性权重粒子群优化算法的多基站协作波束成型 . 电子科技大学学报, 2015, 44(5): 663-667. doi: 10.3969/j.issn.1001-0548.2015.05.004
[8]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[9]	雷航, 韩炫. 采用HC-MARPSO算法的软件测试数据生成方法 . 电子科技大学学报, 2012, 41(6): 885-890. doi: 10.3969/j.issn.1001-0548.2012.06.013
[10]	雷航, 陈丽敏. Markov链使用模型的测试用例生成方法研究 . 电子科技大学学报, 2011, 40(5): 732-736. doi: 10.3969/j.issn.1001-0548.2011.05.019
[11]	崔应霞, 李龙澍, 姚晟. 组合测试用例集的动态生成算法 . 电子科技大学学报, 2011, 40(4): 612-615.
[12]	雷航, 马成功. Markov模型的软件可靠性测试充分性问题的研究 . 电子科技大学学报, 2010, 39(1): 101-105. doi: 10.3969/j.issn.1001-0548.2010.01.023
[13]	胡建, 李志蜀, 欧鹏, 罗思达. 粒子群优化算法中的分步式策略 . 电子科技大学学报, 2009, 38(3): 435-440. doi: 10.3969/j.issn.1001-0548.2009.03.028
[14]	周欣然, 滕召胜, 易钊. 粒子群优化的广义T-S模糊模型参数学习方法 . 电子科技大学学报, 2008, 37(4): 569-573.
[15]	张靖. XML技术在软件可靠性测试中的应用 . 电子科技大学学报, 2007, 36(4): 767-770.
[16]	姚奕, 刘晓明, 黄松. 基于模糊偏序关系的软件测试评价方法 . 电子科技大学学报, 2007, 36(3): 503-505,509.
[17]	郑晓鸣, 吕士颖, 王晓东. 免疫接种粒子群的聚类算法 . 电子科技大学学报, 2007, 36(6): 1264-1267.
[18]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[19]	向渝, 张骏, 汪文勇. 成对测试中的一种用例生成算法 . 电子科技大学学报, 2005, 34(6): 821-824.
[20]	陈文宇. 面向对象软件的测试 . 电子科技大学学报, 2001, 30(6): 613-617.

WeChat

点击查看大图

计量

文章访问数: 4377
HTML全文浏览量: 145
PDF下载量: 39
被引次数: 0

软件确保智能测试用例生成PSO算法进展研究

doi: 10.3969/j.issn.1001-0548.2012.06.017

1. 电子科技大学计算机科学与工程学院成都 611731;

2. 江西财经大学现代教育技术中心南昌 330013

基金项目:

国家自然科学基金(60973118,61133016);国家863计划(2011AA010706)

作者简介:
耿技(1963-),男,教授,主要从事系统软件、软件确保、软件智能测试方面的研究.

收稿日期: 2010-12-22
修回日期: 2011-08-30
刊出日期: 2012-12-15

中图分类号: TP311

关键词:

摘要: 测试用例生成是软件测试的重要环节,是软件确保的重要组成部分,其中启发性算法是近年来测试用例自动生成研究领域的热点。对启发性测试用例生成的新方法PSO进行了介绍和分析,详细讨论了PSO算法适应度函数、PSO算法早熟与局部最优、种群规模对PSO算法的影响以及PSO参数优化问题,并将PSO与GA算法进行了对比分析。展望了PSO测试用例生成算法的未来研究方向,指出PSO测试用例生成算法目前应重点解决测试用例规模优化、早熟抑制和参数优选等问题。

English Abstract

耿技, 聂鹏, 秦志光. 软件确保智能测试用例生成PSO算法进展研究[J]. 电子科技大学学报, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

引用本文:

耿技, 聂鹏, 秦志光. 软件确保智能测试用例生成PSO算法进展研究[J]. 电子科技大学学报, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

GENG Ji, NIE Peng, QIN Zhi-guang. Overview of PSO for Automatic Test Case Generation in Software Assurance[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

Citation:

GENG Ji, NIE Peng, QIN Zhi-guang. Overview of PSO for Automatic Test Case Generation in Software Assurance[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(6): 905-910. doi: 10.3969/j.issn.1001-0548.2012.06.017

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发