CN104572435A - 一种基于人工神经网络的测试用例选择方法 - Google Patents
一种基于人工神经网络的测试用例选择方法 Download PDFInfo
- Publication number
- CN104572435A CN104572435A CN201310526552.1A CN201310526552A CN104572435A CN 104572435 A CN104572435 A CN 104572435A CN 201310526552 A CN201310526552 A CN 201310526552A CN 104572435 A CN104572435 A CN 104572435A
- Authority
- CN
- China
- Prior art keywords
- test case
- processor
- test
- neural network
- artificial neural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 15
- 238000010187 selection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于人工神经网络的测试用例选择方法,具有如下步骤:为测试用例建立先入先出队列,每个测试用例均不带有相关数据,且每个测试用例占用的资源量均在阈值范围之内;按均分法从所述的队列中依次调取队列中的测试用例,均分给多个处理机;记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能;以此作为人工神经网络的样本供负责分配测试用例的分配机进行学习,完成分配目标函数的确定。通过设立用例分配机制和多个并行的处理机,有效的将大量的测试用例进行了合理的分配,极大的节约了测试时间,解放了广大劳苦程序员众。而且采用的技术成熟可靠,十分适于大范围的推广和使用。
Description
技术领域
本发明涉及一种基于人工神经网络的测试用例选择方法。
背景技术
软件测试用例的运行,现在还停留在单线程处理的阶段,以方便实时管理,发现问题及时处理。但是在面临大量的测试用例时,单线程的处理耗时惊人,需要上百小时,对程序员的身心造成了巨大的损害。
发明内容
本发明针对以上问题的提出,而研制的一种基于人工神经网络的测试用例选择方法,具有如下步骤:
-为测试用例建立先入先出队列,每个测试用例均不带有相关数据,且每个测试用例占用的资源量均在阈值范围之内;
-按均分法从所述的队列中依次调取队列中的测试用例,均分给多个处理机;
-记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能;以此作为人工神经网络的样本供负责分配测试用例的分配机进行学习,完成分配目标函数的确定;
-根据确定的分配目标函数,分配机为所述的多个处理机分配测试用例。
在所述的步骤“-记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能”中,有处理机超时处理某个测试用例;则判定当前处理机无法处理该测试用例,中断该测试用例的运行,将测试用例重新放回所述的队列中。
所述当判定全部处理机的性能后,将队列中的全部测试用例,按各处理机的性能分发给各处理机。
接收撤回的测试用例,综合评估各处理机的运算空闲,将撤回的测试用例发给运算空闲比较大的处理机。
所述的运算空闲为当前处理机完成已分配任务所需的时间。
由于采用了上述技术方案,本发明提供的一种基于人工神经网络的测试用例选择方法,通过设立用例分配机制和多个并行的处理机,有效的将大量的测试用例进行了合理的分配,极大的节约了测试时间,解放了广大劳苦程序员众。而且采用的技术成熟可靠,十分适于大范围的推广和使用。
附图说明
为了更清楚的说明本发明的实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
如图1所示:一种基于人工神经网络的测试用例选择方法,主要包括如下步骤:
首先,为测试用例建立先入先出队列,每个测试用例均不带有相关数据,且每个测试用例占用的资源量均在阈值范围之内;
其次,按均分法从所述的队列中依次调取队列中的测试用例,均分给多个处理机;
然后,记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能;
最后,按处理机性能的优劣,分配测试用例。
在所述的步骤“-记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能”中,有处理机超时处理某个测试用例;则判定当前处理机无法处理该测试用例,中断该测试用例的运行,将测试用例重新放回所述的队列中。
所述当判定全部处理机的性能后,将队列中的全部测试用例,按各处理机的性能分发给各处理机。
接收撤回的测试用例,综合评估各处理机的运算空闲,将撤回的测试用例发给运算空闲比较大的处理机。
所述的运算空闲为当前处理机完成已分配任务所需的时间。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于人工神经网络的测试用例选择方法,具有如下步骤:
-为测试用例建立先入先出队列,每个测试用例均不带有相关数据,且每个测试用例占用的资源量均在阈值范围之内;
-按均分法从所述的队列中依次调取队列中的测试用例,均分给多个处理机;
-记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能;以此作为人工神经网络的样本供负责分配测试用例的分配机进行学习,完成分配目标函数的确定;
-根据确定的分配目标函数,分配机为所述的多个处理机分配测试用例。
2.根据权利要求1所述的一种基于人工神经网络的测试用例选择方法,其特征还在于:
在所述的步骤“-记录每个处理机处理测试用例占用的时间;根据占用时间估计每个处理机的性能”中,有处理机超时处理某个测试用例;则判定当前处理机无法处理该测试用例,中断该测试用例的运行,将测试用例重新放回所述的队列中。
3.根据权利要求1所述的一种基于人工神经网络的测试用例选择方法,其特征还在于:所述当判定全部处理机的性能后,将队列中的全部测试用例,按各处理机的性能分发给各处理机。
4.根据权利要求3所述的一种基于人工神经网络的测试用例选择方法,其特征还在于:接收撤回的测试用例,综合评估各处理机的运算空闲,将撤回的测试用例发给运算空闲比较大的处理机。
5.根据权利要求4所述的一种基于人工神经网络的测试用例选择方法,其特征还在于:所述的运算空闲为当前处理机完成已分配任务所需的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310526552.1A CN104572435A (zh) | 2013-10-29 | 2013-10-29 | 一种基于人工神经网络的测试用例选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310526552.1A CN104572435A (zh) | 2013-10-29 | 2013-10-29 | 一种基于人工神经网络的测试用例选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104572435A true CN104572435A (zh) | 2015-04-29 |
Family
ID=53088569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310526552.1A Pending CN104572435A (zh) | 2013-10-29 | 2013-10-29 | 一种基于人工神经网络的测试用例选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104572435A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377511A (zh) * | 2019-07-11 | 2019-10-25 | 河海大学 | 一种面向数据流的测试用例生成方法 |
CN112434808A (zh) * | 2020-11-27 | 2021-03-02 | 杭州新州网络科技有限公司 | 全栈式的前向型神经网络深度学习系统安全分析与检测方法 |
-
2013
- 2013-10-29 CN CN201310526552.1A patent/CN104572435A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377511A (zh) * | 2019-07-11 | 2019-10-25 | 河海大学 | 一种面向数据流的测试用例生成方法 |
CN110377511B (zh) * | 2019-07-11 | 2021-04-06 | 河海大学 | 一种面向数据流的测试用例生成方法 |
CN112434808A (zh) * | 2020-11-27 | 2021-03-02 | 杭州新州网络科技有限公司 | 全栈式的前向型神经网络深度学习系统安全分析与检测方法 |
CN112434808B (zh) * | 2020-11-27 | 2022-08-09 | 杭州新州网络科技有限公司 | 全栈式的前向型神经网络深度学习系统安全分析与检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102279730B (zh) | 一种并行的数据处理方法、装置和并行的数据处理系统 | |
CN104243617B (zh) | 一种异构集群中面向混合负载的任务调度方法及系统 | |
CN113051054B (zh) | 调度人工智能平台资源的方法、设备和计算机可读存储介质 | |
CN106874100B (zh) | 计算资源分配方法及装置 | |
CN112540841A (zh) | 任务调度的方法、装置、处理器与电子设备 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
CN106325984A (zh) | 一种大数据任务调度装置 | |
CN112099937A (zh) | 一种资源治理方法和装置 | |
CN109308170A (zh) | 一种数据处理方法及装置 | |
CN105022668B (zh) | 一种作业调度方法及系统 | |
CN105320565B (zh) | 一种针对多种应用软件的计算机资源调度方法 | |
CN107343023A (zh) | 一种Mesos管理集群中的资源分配方法、装置及电子设备 | |
CN109634714B (zh) | 一种智能调度的方法及装置 | |
CN116483546A (zh) | 分布式训练任务调度方法、装置、设备及存储介质 | |
CN111612155B (zh) | 一种分布式机器学习系统及适用于其的通信调度方法 | |
CN104572279A (zh) | 一种支持节点绑定的虚拟机动态调度方法 | |
CN104572435A (zh) | 一种基于人工神经网络的测试用例选择方法 | |
CN109889406A (zh) | 用于管理网络连接的方法、装置、设备和存储介质 | |
CN112416539B (zh) | 面向异构众核处理器的多任务并行调度方法 | |
CN102201922B (zh) | 一种数据计费方法和相关装置 | |
CN117667602B (zh) | 一种基于云计算在线服务算力优化方法和装置 | |
CN115185685B (zh) | 任务调度方法、装置、计算机设备及存储介质 | |
CN104572025A (zh) | 一种基于测试用例批量处理方法 | |
CN116974994A (zh) | 一种基于集群的高效能文件协作系统 | |
CN109302723B (zh) | 一种基于互联网的多节点实时无线电监测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150429 |