基于分类树和蚁群算法的测试用例设计.docVIP

基于分类树和蚁群算法的测试用例设计 　　【摘 要】在软件测试中测试用例设计的必须考虑既要保证覆盖率又要尽可能减少用例数量，所以软件测试用例集优化十分关键。本文针对功能测试用例集生成，提出使用变异因子的蚁群算法对采用分类树生成的测试用例集进行优化，使测试用例集达到测试覆盖率与规模的最优化。 　　【关键词】测试用例；分类树；蚁群算法；测试用例集 　　【Abstract】In the software testing test case design must be considered necessary to ensure coverage and also reduce the number of test cases，the test suite optimization is crucial.Aiming to generate functional test suite proposed variation factor using ant colony algorithm，using the classification tree generated test suite to optimize the use of test suite to potimize test coverage and scale. 　　【Key words】test cases；Classification trees；Ant colony algorithm；Test suite 　　0 引言 　　软件测试是保证软件质量最为重要的一种手段，有效的软件测试可以发现软件中存在的绝大部分问题。所以，软件测试项目的终级目标是100%测试覆盖，发现软件中尽可能多的问题，为靠近这一目标测试项目组会尽可能多设计测试用例以达到最佳测试效果。因为不可能进行穷尽的测试，测试一般会在保证测试覆盖率同时尽可能精简测试集，相应的方法一直是测试工程师研究的重点课题。 　　基于不同测试方法设计的测试用例集会有很大的差异。在软件的系统测试阶段，分类树方法是一种非常有效的测试用例集设计方法，分类树方法是由Grochtmann和Grimm在1993年提出的，是在软件功能测试方面一种有效的测试方法，通过分类树把测试对象的整个输入域分割成独立的类。通过组合各种不同分类的结果来形成测试用例。使用分类树方法的一个重要的好处是：它把测试用例设计转变成一个组合若干结构化和系统化的测试对象组成部分的过程使其容易把握，易于理解，当然也易于文档化。但分类树设计方法并未根据测试覆盖标准对测试用例集进行约束，测试用例集往往很庞大。本文针对功能测试用例集生成，提出使用变异因子的蚁群算法对采用分类树生成的测试用例集进行优化，使测试用例集达到测试覆盖率与规模的最优化。 　　1 分类树方法用于测试用例设计 　　分类树方法的基本原理是：首先把测试对象的可能输入按照不同的分类方式进行分类，每一种分类要考虑的是测试对象的不同的方面。然后把各种分开的输入组合在一起产生测试用例，同时又能覆盖测试对象的整个输入域。 　　分类树方法设计测试用例的过程分为三大步骤： 　　1）识别出测试对象并分析输入空间。 　　2）对测试对象的输入空间进行分类。 　　3）画出分类树、组合成测试用例。 　　以Windows操作系统自带标准计算器为例演示分类树的测试用例设计过程： 　　如图1所示对计算器的输入进行划分，以一个二元运算式为例输入操作为： 　　把计算器输入划分成运算数、运算符、内存操作（属于扩展功能）。按等价类方法把各种分类细化各种输入可能。例如，运算数可能的输入是负数最小值、负数正常值、负数最大值、零、正数最小值、正数正常值、正数最大值、无操作等；运算符可能的输入是/、*、-、+、1/x、sqrt、%、=；内存操作的可能的操作是MC、MR、MS、M+、无操作。最后，测试用例由不同分类的类组合形成，在组合类时交集不能为空。测试人员组合类形成需要的测试用例，以便覆盖测试一个二元等式的所有方面并充分考虑各种可能。 　　从例子中可以看出测试人员如果要考虑所有组合进行用例设计，最后用例集将十分大。在实际的测试工作中，被测软件的规模及复杂程度也比例子软件大的多，采用分类树设计的测试用例数将十分巨大。事实上若无特殊要求的情况下，在满足充分性同时会考虑最精简的测试用例集，以达到测试效益的最优。 　　2 蚁群算法优化测试用例设计 　　20世纪90年代意大利学者M.Dorigo，V.Maniezzo，A.Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法――蚁群算法（Ant Colony Optimization， ACO），是群智能理论研究领