面向多目标测试用例优先排序蚁群算法信息素更新策略.docVIP

面向多目标测试用例优先排序蚁群算法信息素更新策略 　　摘要： 　　针对蚁群算法在求解多目标测试用例优先排序（MOTCP）时收敛速度缓慢、易陷入局部最优的问题，提出一种基于上位基因段（ETS）的信息素更新策略。利用测试用例序列中ETS可以决定适应度值的变化，选取ETS作为信息素更新范围，再根据ETS中测试用例间的适应度增量和测试用例的执行时间更新路径上的信息素值。为进一步提升蚁群算法求解效率、节省蚂蚁依次访问测试用例序列的时间，优化的蚁群算法还通过估算ETS长度重新设置蚂蚁遍历测试用例的搜索终点。实验结果表明，与优化前的蚁群算法及NSGAⅡ相比，优化后的蚁群算法能提升求解MOTCP问题时的收敛速度，获得更优的Pareto解集。 　　关键词： 　　蚁群算法； 信息素更新； 多目标的测试用例优先排序； 回归测试； 上位基因段 　　中图分类号： 　　TP311.5 　　文献标志码：A 　　Abstract： 　　The Ant Colony Optimization （ACO） has slow convergence and is easily trapped in local optimum when solving MultiObjective Test Case Prioritization （MOTCP）. Thus， a pheromone updating strategy based on Epistaticdomain Test case Segment （ETS） was proposed. In the scheme， ETS existed in the test case sequence was selected as a pheromone updating scope， because ETS can determine the fitness value. Then， according to the fitness value increment between test cases and execution time of test cases in ETS， the pheromone on the trail was updated. In order to further improve the efficiency of ACO and reduce time consumption when ants visited test cases one by one， the end of ants visiting was reset by estimating the length of ETS using optimized ACO. The experimental results show that compared with the original ACO and NSGAⅡ， the optimized ACO has faster convergence and obtains better Pareto optimal solution sets in MOTCP. 　　英文关键词Key words： 　　Ant Colony Optimization （ACO）； pheromone updating； MultiObjective Test Case Prioritization （MOTCP）； regression testing； EpistaticDomain Test Case Segment （ETS） 　　0引言 　　测试用例优先排序（Test Case Prioritization， TCP）[1]是提升回归测试效率的重要方法，通过设定的测试目标对测试用例重新排序，优化其执行次序，提高回归测试效率。Rothermel等[2]首先提出了平均错误检测率（Average Percentage of Fault Detection， APFD）作为评价最终排序效率的重要标准，但在实际的软件测试过程中，测试人员无法提前预知测试用例错误检测信息。Li等[3]提出了平均语句块覆盖率（Average Percentage of Block Coverage， APBC）、平均分支覆盖率（Average Percentage of Decision Coverage， APDC）、平均语句覆盖率（Average Percentage of Segment Coverage， APSC）等多种测试目标来代替APFD测试目标。随着工业测试要求的不断提高[4]，只针对单一测试目标对测试用例序列进行优化已不能够满足相关测试需求，因为实际测试过程中需考