正交法设计测试用例.ppt

一、正交表的由来 拉丁方名称的由来 古希腊是一个多民族的国家，国王在检阅臣民时要求每个方队中每行有一个民族代表，每列也要有一个民族的代表。 数学家在设计方阵时，以每一个拉丁字母表示一个民族，所以设计的方阵称为拉丁方。 什么是n阶拉丁方？ 用n个不同的拉丁字母排成一个n阶方阵（n26 ），如果每行的n个字母均不相同，每列的n个字母均不相同，则称这种方阵为n*n拉丁方或n阶拉丁方。每个字母在任一行、任一列中只出现一次。 什么是正交拉丁方？ 设有两个n阶的拉丁方，如果将它们叠合在一起，恰好出现n2个不同的有序数对，则称为这两个拉丁方为互相正交的拉丁方，简称正交拉丁方。 如：3阶拉丁方 用数字替代拉丁字母： 二、正交实验法 正交试验设计(Orthogonal experimental design)是研究多因素多水平的一种设计方法 它是根据正交性从全面试验中挑选出部分有代表性的点进行试验 这些有代表性的点具备了“均匀分散，齐整可比”的特点 正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法 日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。 例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。 若按L9(33) 正交表按排实验，只需作9次 按L18(37) 正交表进行18次实验 显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 L9(33)示意图 利用因果图来设计测试用例时, 作为输入条件的原因与输出结果之间的因果关系,有时很难从软件需求规格说明中得到。 往往因果关系非常庞大,以至于据此因果图而得到的测试用例数目多的惊人，给软件测试带来沉重的负担，为了有效地,合理地减少测试的工时与费用,可利用正交实验设计方法进行测试用例的设计。 正交实验设计方法:依据Galois理论,从大量的（实验）数据（测试例）中挑选适量的、有代表性的点（例），从而合理地安排实验（测试）的一种科学实验设计方法。 类似的方法有:聚类分析方法、因子方法方法等 三、利用正交实验设计测试用例的步骤 提取功能说明,构造因子--状态表 把影响实验指标的条件称为因子，而影响实验因子的条件叫因子的状态。 利用正交实验设计方法来设计测试用例时，首先要根据被测试软件的规格说明书找出影响其功能实现的操作对象和外部因素，把他们当作因子；而把各个因子的取值当作状态。对软件需求规格说明中的功能要求进行划分，把整体的、概要性的功能要求进行层层分解与展开，分解成具体的有相对独立性的、基本的功能要求。这样就可以把被测试软件中所有的因子都确定下来，并为确定每个因子的权值提供参考的依据。确定因子与状态是设计测试用例的关键。因此要求尽可能全面的、正确的确定取值，以确保测试用例的设计作到完整与有效。 （2）加权筛选,生成因素分析表 对因子与状态的选择可按其重要程度分别加权。可根据各个因子及状态的作用大小、出现频率的大小以及测试的需要，确定权值的大小。 （3）利用正交表构造测试数据集 利用正交实验设计方法设计测试用例，比使用等价类划分、边界值分析、因果图等方法有以下优点：节省测试工作工时；可控制生成的测试用例数量；测试用例具有一定的覆盖率。 在使用正交实验法时，要考虑到被测系统中要准备测试的功能点，而这些功能点就是要获取的因子或因素，但每个功能点要输入的数据按等价类划分有多个，也就是每个因素的输入条件，即状态或水平值。 四、正交表的构成 行数(Runs)：正交表中的行的个数，即试验的次数，也是我们通过正交实验法设计的测试用例的个数。 因素数(Factors) ：正交表中列的个数，即我们要测试的功能点。 水平数(Levels)：任何单个因素能够取得的值的最大个数。正交表中的包含的值为从0到数“水平数-1”或从1到“水平数” 。即要测试功能点的输入条件。 正交表的形式 L行数(水平数因素数) 如：L8(27) 五、正交表的正交性 整齐可比性 在同一张正交表中，每个因素的每个水平出现的次数是完全相同的。由于在试验中每个因素的每个水平与其它因素的每个水平参与试验的机率是完全相同的，这就保证在各个水平中最大程度的排除了其它因素水平的干扰。因而，能最有效地进行比较和作出展望，容易找到好的试验条件。 均衡分散性 在同一张正交表中，任意两列（两个因素）的水平搭配（横向形成的数字对）是完全相同的。这样就保证了试验条件均衡地分散在因素水平的完全组合之中，，因而具有很强的代表性，容易得到好的试验条件。 查阅正交表：L9(34) 计算理论 行数为mn型的正交表中 试验次数（行数）＝∑（每列水平数－1）＋1 例：5个3水平因子及一个2水平因子，表示为35*21，