[发明专利]一种基于概率模型的移动应用自动化测试方法

权利要求书

1.一种基于概率模型的移动应用自动化测试方法，其特征在于，包括如下步骤：

可执行事件提取步骤：通过对被测应用的代码静态分析及控件动态分析，获取当前应用界面上的可执行事件集合；

可执行事件选择步骤：综合权衡可执行事件的控件类型、控件执行次数以及后继子节点的数量确定每个可执行事件的综合权重值，并根据所述综合权重值采用带有偏好的随机选择算法选择出下一个可执行事件；

可执行事件执行步骤：执行所选中的所述可执行事件；

行为模型生成步骤：在执行过程中，记录下每个可执行事件执行后的程序状态，获取到所执行状态的迁移图，构建一个能描述移动应用所有行为的有限状态自动机得到被测应用的初级行为模型；

测试用例生成步骤：采用蒙德卡罗算法来调整所述初级行为模型上的概率，最终得到针对被测应用被优化过的基于概率的概率行为模型，再根据所述概率行为模型来产生测试事件序列，得到测试用例集；

测试用例执行步骤：执行所述测试用例集并统计测试覆盖率，记录执行崩溃的测试用例，并在程序崩溃点启动事件恢复操作，再次开始测试，以达到更高的测试覆盖率，最终完成测试过程。

2.如权利要求1所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述可执行事件提取步骤包含以下步骤：

步骤A1：静态分析被测应用的底层代码，通过代码中的注册接口获取注册的事件；

步骤A2：动态运行被测应用后，抓取屏幕控件信息并根据控件类型分配不同的事件；

步骤A3：将静态分析的所述注册的事件及动态分析的所述不同的事件相结合，生成可执行事件集；

步骤A4：在所述可执行事件集中根据需求加入系统事件；所述系统事件用于保证在该可执行事件集中有至少一个可执行事件，使执行过程不会陷入所述可执行事件集中无法跳出。

3.如权利要求2所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述可执行事件选择步骤包含以下步骤：所述系统事件按照固定的概率或根据实际需要触发，概率不受该系统事件的执行次数影响。

4.如权利要求2所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述可执行事件选择步骤包含以下步骤：

步骤B1：根据可执行事件集中的控件类型、控件执行次数以及控件后继子节点来计算控件权重；

步骤B2：从权重最高的可执行事件集中随机选择出一个事件作为当前可执行事件。

5.如权利要求3所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述行为模型生成步骤包含以下步骤：

步骤C1：记录下当前可执行事件的状态(s0)；

步骤C2：记录下执行当前可执行事件(t)后的状态(s1)；

步骤C3：对比前后状态的迁移关系，在状态迁移关系表中查找当前是否存在相应的迁移关系；若不存在，则将所述迁移关系记录在所述状态迁移关系表中；

步骤C4：不断循环步骤C1至C3，直到构建出整个被测应用的初级行为模型。

6.如权利要求5所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述初级行为模型是有限状态自动机，能表示该被测应用的全部操作，所述初级行为模型的节点表示应用状态，每一条边表示一个输入事件，每输入一个输入事件使用一个5元组来表示这个有限状态自动机M＝(Q,∑,δ,s0,F)，其中Q和∑分别表示应用状态集合和输入事件集合，s0∈Q表示应用的开始状态(开始页面)，F表示应用的终止状态集合，δ:Q×∑→Q表示迁移关系，即应用状态s∈Q接受一个输入事件e∈∑，并返回一个新的状s’。

7.如权利要求4所述的基于概率模型的移动应用自动化测试方法，其特征在于，所述测试用例生成步骤包含以下步骤：

步骤D1：根据获取的移动应用行为模型的事件迁移关系的数量来给出每个状态转移边的执行概率；

步骤D2：根据状态转移边的执行概率来随机选择边，选择的状态点长度大于预先设定的测试用例事件长度阈值时，将针对所选择的转移边及对应的状态来生成测试用例；

步骤D3：对产生的测试用例采用蒙德卡罗算法来对行为模型上的概率进行修正，对产生的测试用例集进行执行并统计其合并覆盖率，对于得到覆盖率，将随机调整其某一条边上的概率，并重新生成测试用例，测试覆盖率结果；对于覆盖率升高的结果，将直接采用新的概率，对于覆盖率降低的结果，将根据概率接收指标来接收该结果。

8.如权利要求4所述的基于概率模型的移动应用自动化测试方法，其特征在于，概率接收指标以如下公式表示：

AcceptRatio(x′)=min(1,p(x′)*q(x′|xt)p(xt)*q(xt|x′))=min(1,p(x′)p(x))]]>

其中，p(x’)及p(x)分别代表当前执行所获得的覆盖率评价指标及前一次所获得的覆盖率评价指标。