[发明专利]一种基于群智能优化算法的UML模型测试用例生成方法

权利要求书

1.一种基于群智能优化算法的UML模型测试用例生成方法，其特征在于，

包括如下步骤：

S101：基于逻辑路径覆盖准则，构造逻辑路径覆盖准则产生的测试路径集R的子集，并使之满足控制点覆盖准则和转换边覆盖准则；

S1011：逻辑路径覆盖准则的路径生成；

对于一个给定的UML活动图G＝(V,E)，将其开始结点、结束结点、活动结点、分支结点都看作一个有向图的顶点，将其活动之间的转换看作一个有向图的有向边，于是可以根据活动图图G得出一个新的有向图G′，并在转换后的有向图中特殊标记原UML活动图开始结点vs和结束结点ve；

S1012：控制点覆盖准则的路径生成；

寻找测试路径集R的最小子集，使得测试路径集R中所有的路径所包含的顶点构成的集合与图G的顶点集G.V相等；

S1013：转换边覆盖准则的路径生成；

枚举路径覆盖的测试路径集R的所有子集，逐个判断每个子集中包含的所有路径是否满足给定的逻辑路径覆盖条件，若满足则将子集中包含的所有路径作为加入结果集R′；最终从R′中选取一个场景(路径)数最小的一个子集；

S102：在生成相应的测试场景后，根据测试路径所处环境及约束条件生成相应的测试用例；

S1021：路径重复度计算：

在测试路径选择过程中，通过直观对比已有路径和新路径的重复度方法，可确定个体的适应度，即两条路径上经过的相同节点越多，则说明这两条路径越接近，则个体适应度就越低，应该被淘汰；反之说明两条路径之间的差别越大，重复度越低，适应度就越高，应该被保留；

S1022：测试路径个体适应度计算：

通过线性函数y＝1-f(x)(其中y为个体适应度，x为子路径权值)完成个体测试路径适应度的计算；其中，当子路径权值成等差数列时，个体测试路径的适应度为：

SP为个体测试路径的适应度；m为子路径数量；nPi为两条路径中各子路径的重复程度。

S1023：应用遗传算法选择合适的测试路径。

2.根据权利要求1所述的一种基于群智能优化算法的UML模型测试用例生成方法，其特征在于，

在所述步骤S1011中，采用从开始结点vs进行带回溯的DFS算法，直到搜索到结束结点ve，得到该有向图中顶点vs到顶点ve一条路径p1，即为对应一个测试场景的一条测试路径，并将其加入测试路径集(结果集)R；然后回溯寻找下一条可能的路径p2,p3,…pm，直到所有的路径都寻求完毕，得到一个完整的测试路径集R＝{i|pi}，其中，i为正整数；pi为各条可能的路径。

3.根据权利要求1所述的一种基于群智能优化算法的UML模型测试用例生成方法，其特征在于，

在步骤S1012中，枚举路径覆盖的测试路径集R的所有子集T1,T2,…Tn，逐个判断该子集Ti中包含的所有路径是否满足给定的覆盖条件，若满足则将Ti中包含的所有路径作为加入结果集R′，并最终从R′中选取一个场景(路径)数最小的一个子集，即为所求。

4.根据权利要求1所述的一种基于群智能优化算法的UML模型测试用例生成方法，其特征在于，

在所述步骤S1023中，包括如下步骤：

(a)找到基本流图中包含的所有有向线段集合LS；

(b)确定第一条分支路径，将该路径直接加入测试路径解集中，并将该路径中包含的所有有向线段在有向线段集合LS中删除；

(c)选取其他新的测试路径并进行筛选，如果路径中未包含当前有向线段集合LS中的元素时，则直接将其删除；如果路径中包含了有向线段集合LS中的元素时，则保留这些测试路径并使用这些测试路径与已有路径解集中的测试路径逐一进行重复度比较，得出单路径的多个适应度值，并使用最值的方式得到每条新测试路径的适应度；

(d)从所有适应度中选取适应度最高的一条测试路径作为本次选择的最优解并纳入到解集中，同时删除LS中对应的元素；

(e)重复执行c-d两个步骤，直到LS中没有元素为止，此时所有的测试路径已经全部被覆盖，这样就在测试路径的解集中得到了全部的测试路径。