主页期刊介绍编委会编辑部服务介绍相关网站在线审稿编委办公编辑办公
2018年专刊出版计划 微信服务介绍 最新一期:2017年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
姚香娟,巩敦卫,李彬.融入神经网络的路径覆盖测试数据进化生成.软件学报,2016,27(4):828-838
融入神经网络的路径覆盖测试数据进化生成
Evolutional Test Data Generation for Path Coverage by Integrating Neural Network
投稿时间:2015-09-03  修订日期:2015-10-15
DOI:10.13328/j.cnki.jos.004973
中文关键词:  软件测试  测试数据生成  进化优化  神经网络  路径覆盖
英文关键词:software testing  test data generation  evolutionary optimization  neural network  path coverage
基金项目:国家自然科学基金(61375067,61573362,61203304);软件工程国家重点实验室开放基金(SKLSE20100819);江苏省自然科学基金(BK2012566)
作者单位E-mail
姚香娟 软件工程国家重点实验室(武汉大学), 湖北 武汉 430072;中国矿业大学 理学院, 江苏 徐州 221116 yxjcumt@126.com 
巩敦卫 中国矿业大学 信息与电气工程学院, 江苏 徐州 221116  
李彬 中国矿业大学 理学院, 江苏 徐州 221116  
摘要点击次数: 1376
全文下载次数: 1472
中文摘要:
      利用遗传算法生成复杂软件的测试数据,是软件测试领域一个全新的研究方向.传统的基于遗传算法的测试数据生成技术,需要以每个测试数据作为输入运行被测程序,以获得个体的适应值,因此,需要消耗大量的运行时间.为了降低运行程序带来的时间消耗,提出一种基于神经网络的路径覆盖测试数据进化生成方法,主要思想是:首先,利用一定样本训练神经网络,以模拟个体的适应值;在利用遗传算法生成测试数据时,先利用训练好的神经网络粗略计算个体适应值;对适应值较好的优秀个体,再通过运行程序,获得精确的适应值.最后的实验结果表明,该方法可以有效降低运行程序产生的时间消耗,从而提高测试数据生成的效率.
英文摘要:
      It is a novel research direction in the field of software testing to generate test data using genetic algorithms for complex software. Traditional techniques of test data generation based on genetic algorithms need to run a program using each test datum as an input, so as to obtain its fitness value and as a result, they consume a large amount of executing time. In order to reduce the time consumption of running a program, this paper proposes a method of test data generation for path coverage based on neural networks. First, a neural network is trained using a certain amount of samples to simulate an individual's fitness value. Then, when generating test data by the genetic algorithm, an individual's fitness value is roughly estimated using the trained neural network. Finally, for individuals with good estimated fitness values, their precise fitness value are calculated by running the program. The experimental results show that this method can effectively reduce the time consumption of running a program, therefore improve the efficiency of test data generation.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利