[发明专利]面向并行变异算子的顽固变异体测试数据生成方法及系统有效
申请号: | 202210388183.3 | 申请日: | 2022-04-14 |
公开(公告)号: | CN114461535B | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 田甜;杨秀婷;杨欢;邵阳阳;王安轼;于志云;刘新锋;姜玉波 | 申请(专利权)人: | 山东建筑大学 |
主分类号: | G06F11/36 | 分类号: | G06F11/36;G06N3/12 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 闫圣娟 |
地址: | 250101 山东省济*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面向 并行 变异 算子 顽固 异体 测试数据 生成 方法 系统 | ||
本发明涉及特定计算模型的计算机系统相关技术领域,提出了面向并行变异算子的顽固变异体测试数据生成方法及系统,方法包括如下步骤:确定变异体顽固性的评价指标,对待测试程序的变异体进行顽固性判定,得到顽固变异体;根据变异通信语句之间的占优关系,将得到的顽固变异体进行初次分组;按照变异语句与待测试程序的输入参量的相关性,将初次分组后的顽固变异体进行再分组;根据再分组后的顽固变异体构建测试数据生成模型,基于集合进化,设置与杀死变异体相关的适应值函数,求解测试数据生成模型,生成能够杀死顽固变异体的测试数据。本发明能够对并行变异算子引发的变异体顽固性进行判定,并生成杀死顽固变异体的测试数据,提高测试效率。
技术领域
本发明涉及特定计算模型的计算机系统相关技术领域,具体的说,是涉及面向并行变异算子的顽固变异体测试数据生成方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,并不必然构成在先技术。
软件测试是提高软件质量的重要途径。为了对软件进行测试,通常需要准备一定数量的测试数据,称为测试数据集。测试数据集的充分性是提高软件测试可信度的关键前提。评价某测试数据集的充分性,往往通过对被测软件实施变异测试来实现。针对顽固变异体,生成杀死该变异体的测试数据更加困难。顽固变异体增加了变异测试的代价,是影响变异测试效率的重要因素。顽固变异体的有效判定和杀死顽固变异体测试数据的快速生成是提高变异测试效率的关键途径之一。
并行程序指每个流程拥有各自独立的存储器,程序执行过程中,流程之间的交互主要以消息传递的方式实现。通过多流程并行执行和相互通信,并行程序能够实现较高的求解速度和精度,已经广泛应用于科学研究和生产生活中,如天气预报、邮件过滤以及病毒分析等。针对并发程序的并行变异算子,可以揭示并发、通信以及交互等方面的缺陷。为了改进变异测试效率,研究该类变异算子的顽固变异测试理论和方法是十分有意义的。
发明人发现,已有方法的测试对象为传统变异算子,尚缺乏针对揭示并行与通信缺陷的并行变异算子引导的顽固变异体的研究,且传统变异算子相应的判定指标没有考虑并行变异算子对程序造成的影响,因此无法直接用来衡量并行变异算子的顽固性;由于并行程序不确定性,现有的测试数据生成算法中的变异体分组方法不能实现并行程序变异体的分组。
发明内容
本发明为了解决上述问题,提出了面向并行变异算子的顽固变异体测试数据生成方法及系统,能够对并行变异算子引发的变异体顽固性进行判定,并且有针对性的生成杀死顽固变异体的测试数据,降低测试代价,提高测试效率。
为了实现上述目的,本发明采用如下技术方案:
一个或多个实施例提供了面向并行变异算子的顽固变异体测试数据生成方法,包括如下步骤:
确定变异体顽固性的评价指标,对待测试程序的变异体进行顽固性判定,得到顽固变异体;
根据变异通信语句之间的占优关系,将得到的顽固变异体进行初次分组;
按照变异语句与待测试程序的输入参量的相关性,将初次分组后的顽固变异体进行再分组;
根据再分组后的顽固变异体构建测试数据生成模型,基于集合进化,设置与杀死变异体相关的适应值函数,求解测试数据生成模型,生成能够杀死顽固变异体的测试数据。
一个或多个实施例提供了面向并行变异算子的顽固变异体测试数据生成系统,包括:
顽固变异体判定模块:被配置为用于确定变异体顽固性的评价指标,对待测试程序的变异体进行顽固性判定,得到顽固变异体;
第一分组模块:被配置为用于根据变异通信语句之间的占优关系,将得到的顽固变异体进行初次分组;
第二分组模块:被配置为用于根据变异语句与待测试程序的输入参量的相关性,将初次分组后的顽固变异体进行再分组;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东建筑大学,未经山东建筑大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210388183.3/2.html,转载请声明来源钻瓜专利网。