[发明专利]一种基于学习控制模型的软件测试方法

说明书

技术领域

本发明涉及软件测试领域，具体涉及一种基于学习控制的软件测试模型。

背景技术

在目前软件测试用例研究中，一方面是从工程化的角度研究软件自动化测试平台，基于平台自动产生测试用例脚本及测试脚本路径可达性等问题；另一方面是研究给定一个测试目标，如何设计最优测试用例集来实现软件自动化测试目标。国内外许多学者研究了分支覆盖测试中不同测试策略的选取问题，用复合泊松模型描述不同测试策略产生的分支覆盖数，均衡各种测试策略效率给出了相对应的停止准则；使用控制理论将软件测试等转换为一个控制问题，对软件测试使用马尔可夫控制方法、自适应控制等方法将被测软件作为被控对象，将软件测试策略作为控制器，并能在线调整软件测试策略。但这些研究仅针对测试脚本用例进行优化，没有考虑到测试过程是一个不断回归过程，在每次回归测试中如何持续优化测试用例是一个值得研究的问题。研究了在被测软件参数动态变化条件下，如何调节测试策略，设计最优软件测试用例，快速检测并排除软件缺陷，提出了一种测试系统状态转移模型，在回归测试过程中快速学习软件过程缺陷，加速了优化整个测试回归过程。

发明内容

本发明的目的是提供一种基于学习控制模型的软件测试方法。

本发明的目的是按以下方式实现的，所谓学习控制是指对于可重复性的被控对象，利用控制系统先前的控制经验，根据测量系统的实际输出和期望信号来寻求一个理想的输入特性曲线，使被控对象产生期望的运动，寻求的过程就是对被恐对象作反复训练的过程，也就是一个迭代学习控制的过程，学习控制用数学语言简单描述为：在有限的时间域                                                内，给出被控对象期望响应，，寻求某种给定的，使其响应在某种意义上比有所改善，其中为寻找次数，如果时，，则称迭代学习控制收敛；

若以表示软件某时刻测试缺陷，在不同时间点软件系统期望输出值，实际输出值为，表示每个测试过程中输入参数状态变量，表示每时刻选取作用在软件系统上控制策略，考虑到软件测试是一个不断回归循环往复的测试过程，并且第次回归的每个时间点上输出和行动都会影响下一个时间点输出，整个测试过程可以转换为一个迭代控制过程，整个测试过程由如下状态转移矩阵来描述：

                                            

这里分别为维测试输入状态矢量和维控制矢量，为维外部测试不确定性随机干扰，考虑到软件测试是一个回归测试过程，每一次回归程序执行过程都是相同的，因此系统矩阵严格满足：

 

这里为一次学习时间，为正整数，. 这样整个软件测试过程转化为一个标准状态转移矩阵空间问题；

学习控制策略是在策略控制的基础上，即当实现对测试期望值完全逼近时，表明参数的辨识结果已收敛于测试系统参数值，这时它已学会被测系统参数特性，让它学习另一输出状态时，经一次学习后即可与期望输出基本重合，这时学习控制的智能性被充分体现出来，因此在可回归测试的场合，学习控制的意义在于：先对系统进行学习，之后在实际运行过程中把学好的测试脚本直接加于系统，则一次即可实现测试用例快速测试，充分体现了学习控制的实用性。

本发明的有益效果是：该方法能够适应规模越来越庞大的软件测试，具有软件测试自动化程度高，减少回归测试次数，能够在有限的测试过程中尽量多地发现软件缺陷，或更多地发现软件缺陷，加快回归测试过程两个这方面。能够在有限测试用例中选取最优化测试用例和测试资源，充分利用测试脚本运行过程中搜集到的测试信息，设计合理的测试策略。

附图说明

图1是软件测试转化为控制问题的结构图；

图2是软件测试迭代控制问题转化图。

具体实施方式

参照说明书附图对本发明的方法作以下详细地说明。

学习控制策略是在策略控制的基础上，即当实现对测试期望值完全逼近时，表明参数的辨识结果已收敛于测试系统参数值，这时它已学会被测系统参数特性，让它学习另一输出状态时，经一次学习后即可与期望输出基本重合，这时学习控制的智能性被充分体现出来。因此在可回归测试的场合，学习控制的意义在于：先对系统进行学习，之后在实际运行过程中把学好的测试脚本直接加于系统，则一次即可实现测试用例快速测试，充分体现了学习控制的实用性。