软件管理与实践课程设计精选.pdfVIP

软件项目管理与实践课设 Gamma failure time distribution 题 目 imperfect debugging model 院 系 理学院 专 业 信息与计算科学 学生姓名 曲 健 学 号 081110310 指导教师 张德平 二〇一四年 十二月 课程设计报告 目 录 1. 引言 3 1.1. 相关专业名词及变量名3 2. 模型描述 3 2.1. 假设和约束(依赖) 3 3. 模型实现4 3.1. 程序整体流程图5 3.2. Gamma 模型理论基础 5 3.3. 最大似然算法5 4. 实例分析6 5. 附源码及说明7 5.1. 参考文献9 2 课程设计报告 1. 引言 在过去的三年中，许多软件可靠性增长模型（SRGM ）已经被开发出来，用于描述软件故障， 并且可用于评价在测试过程中的故障发生情况。由于软件系统的复杂性，和对一个软件的不完 整理解，测试团队可能无法排除所有的故障，因此而导致的现象被称为 “不完全排错”。在不完 美调试的情况下，软件的故障发生率保持不变。在这个背景下，针对不同的概率分布模型，建 立不完全排错下的时间纠错模型。本次课程设计讨论的是“不完全排错下的γ 时间纠错模型”。 本次课程设计基于张德平老师讲授的《软件工程管理与实践》课程完成，本报告旨在总结 课程设计过程、解释关键步骤、总结过程经验，让读者更好地理解本次任务。 1.1. 相关专业名词及变量名 SRGM 软件的可靠性增长模型 NHPP 非齐次泊松分布 m(t) 平均值函数或预期数 A 故障潜伏在软件测试开始时的初始数量 A(t) 依赖于时间的软件故障总量 b 危险率/参数常数 p 对故障的排错概率（即 完全排错概率） α 调试过程中可能发生故障的概率，0= α1 λ(t) NHPP 模型或单位时间故障观察率的强度函数 F(t),G(t) 故障排除与故障检测的分布函数 s(t) 每剩余故障时间失效观察率 2. 模型描述 用 Gamma failure time distribution 模型，完成对给出模型的原始数据点进行拟合，求出 Gamma 模型所需要的p 、a、a1、b1 等参数，完成模型的建立；然后利用建立的模型，通过给出 的任意时间点，根据该模型求出预期的数值。最后，利用一组公开发表的软件失效数据对这两 个模型进行了验证，结果表明这两个模型在这组失效数据上均能得到较好的拟合效果。 2.1. 假设和约束(依赖) 与实现模型功能相关的假设因素如下，假设以下条件存在： 1、每个测试用例有相同的故障检测能力，能获得相同的故障覆盖率，一旦故障发生，就会 去发现并处理它； 2 、所有可能发生的错误的故障率相同； 3、处理故障的步骤启动后，以概率p 解决故障，或者以概率 1-p 使故障保持不变； 3