利用遺傳算法生成基于MC-DC的回歸測試數(shù)據(jù).pdf

1、在進行核電軟件測試時，主要包括單元靜態(tài)測試，單元動態(tài)測試，功能測試，集成測試四個部分，對每個過程的測試都要進行至少三次的回歸測試以保證代碼修改的正確性和避免代碼修改對被測程序的其它模塊產(chǎn)生副作用，而每次進行回歸測試時，我們會將前幾次的測試用例分為有效用例和本輪無效用例兩種，為了達到測試的覆蓋標(biāo)準(zhǔn)，必須再增補部分測試用例。在整個測試過程中，單元測試因為要對代碼進行分析且復(fù)雜性較高，人工生成測試用例誤差較大且所花費的時間相對較長，占整個測試

2、工作的1/3甚至更多，所以，單元回歸測試用例自動生成成為本文的研究內(nèi)容。而遺傳算法可以對已有測試用例進行最大化復(fù)用，理論上可以提高測試數(shù)據(jù)的生成效率。所以本文提出采用遺傳算法生成單元回歸測試數(shù)據(jù)。另外，目前，我們主要采用基本路徑測試與邏輯覆蓋相結(jié)合對核電等安全關(guān)鍵領(lǐng)域的軟件進行單元測試，邏輯覆蓋主要包括語句覆蓋、分支覆蓋、條件覆蓋和修改條件/判定覆蓋（MC/DC），其嚴(yán)謹(jǐn)性逐漸加強，與其它邏輯覆蓋準(zhǔn)則相比，MC/DC準(zhǔn)則發(fā)現(xiàn)軟件缺陷的能

3、力較強，且用例個數(shù)只是呈線性增長，所以本文選擇基于MC/DC準(zhǔn)則進行回歸測試用例的生成。針對以上情況，本文從糾正式回歸測試的角度出發(fā)，在篩選出有效用例的前提下，為了增補部分?jǐn)?shù)據(jù)滿足MC/DC準(zhǔn)則，提出了一種基于MC/DC準(zhǔn)則的回歸測試數(shù)據(jù)進化生成技術(shù)，主要圍繞以下兩個方面展開研究：
　　1）確定要增補的目標(biāo)條件組合。即利用數(shù)據(jù)流分析技術(shù)，靜態(tài)檢查目標(biāo)判定語句的MC/DC覆蓋率是否可達到100％，并據(jù)此確定需要覆蓋的判定的條件組合。

4、首先根據(jù)判定的邏輯結(jié)構(gòu)分析該判定所有可能的條件組合的集合H，其次，通過在修改代碼P’上運行原始用例集合T記錄該判定已被覆蓋的條件組合集，則H’所對應(yīng)的用例集我們稱之為有效用例集，則未被覆蓋的該判定的條件組合集據(jù)數(shù)據(jù)流分析法分析中的所有條件組合是否可被覆蓋，提取出中所有可被覆蓋的條件組合集，并根據(jù) MC/DC準(zhǔn)則分析該判定的MC/DC覆蓋率是否可以達到100%，最后，根據(jù)MC/DC準(zhǔn)則從H’’’中篩選出部分條件組合作為該判定的目標(biāo)條件組合

5、，進而確定該程序的目標(biāo)條件組合。
　　2）利用遺傳算法生成回歸測試數(shù)據(jù)。首先，設(shè)計適合本文研究的適應(yīng)度函數(shù)，其次，確定程序的目標(biāo)條件組合，再次，設(shè)計目標(biāo)函數(shù)，根據(jù)目標(biāo)條件組合從已有測試用例中篩選出部分?jǐn)?shù)據(jù)作為優(yōu)勢初始種群。再次，根據(jù)已篩選的部分初始種群所覆蓋的條件組合與目標(biāo)條件組合確定遺傳操作分量。最后，利用適應(yīng)度函數(shù)引導(dǎo)初始種群進化生成目標(biāo)測試數(shù)據(jù)。
　　本文采用的基準(zhǔn)測試程序為 sumday函數(shù)，從測試數(shù)據(jù)生成效率和穩(wěn)定