[发明专利]一种基于AP-PSO算法的组合测试用例生成方法

摘要

本发明公开了一种基于AP‑PSO算法的组合测试用例生成方法，属于软件测试领域。本发明包括：通过静态分析获得需覆盖的组合级；调整one‑test‑at‑a‑time策略，将随机选取一个组合改为构造一个优先级度量函数，对每个组合进行优先级度量，选取优先级最高的组合；采用自适应粒子群算法生成单条测试用例，以种群粒子优劣为依据对惯性权重进行自适应调整，对粒子的最大速度进行控制，采用离散化方式对每个粒子的速度进行取整运算，并使用反射墙策略对粒子位置进行边界处理，防止飞出有效的搜索空间。本发明可适用于不同覆盖强度的覆盖表生成，有效缩减了组合测试用例集的规模，并大幅度提升了组合测试用例的生成效率。

主权项

1.一种基于AP‑PSO算法的组合测试用例生成方法，与其特征在于，包括如下步骤：1)对输入空间进行建模，获取各因素及其取值范围；2)通过对约束条件和覆盖强度的分析，获取需覆盖的所有因素的取值组合，即组合覆盖集；3)构造一个优先级度量函数，对组合覆盖集中的每个取值组合进行优先级度量，选取权值最大的取值组合用于单个测试用例的生成；所述的优先级度量函数：其中，r_k表示第k个组合的权值，cb_i表示组合集中第i个组合，t_k表示组合cb_k所对应的一条缺省的测试用例，s表示组合集中所包含的组合数,P(cb_i,t_k)用于度量t_k是否包含cb_i；4)步骤3)选取的取值组合可对应于一条仅有部分取值确定的测试用例，采用自适应粒子群算法给缺省的参数选取合适的取值；根据粒子的当前状态来对每个粒子的惯性权重进行自适应调整，得到覆盖组合数量最多的单条测试用例，存入测试用例集TS中；从组合覆盖集中剔除已覆盖的组合，得到新的组合覆盖集，所述的惯性权值自适应调整方法为：步骤1.运用曼哈顿距离公式计算出每个粒子与最优粒子之间的距离，定义一个f值用于衡量粒子X_i与最优粒子X_gBest之间的差异程度：其中，MaxDist表示当前种群中距离当前最优粒子gBest的最大距离；d(X_i,X_gBest)表示第i个粒子与最优粒子的曼哈顿距离；步骤2.建立惯性权重调整模型：其中，w_max、w_min分别表示初始化时惯性权重的最大值和最小值，根据上述公式可得到惯性权值w_i的取值；5)重复步骤3)～4)，直到组合覆盖集为空，输出测试用例集TS。