CN104572462A - 一种基于自适应随机策略的蜕变测试用例生成方法 - Google Patents
一种基于自适应随机策略的蜕变测试用例生成方法 Download PDFInfo
- Publication number
- CN104572462A CN104572462A CN201410851718.1A CN201410851718A CN104572462A CN 104572462 A CN104572462 A CN 104572462A CN 201410851718 A CN201410851718 A CN 201410851718A CN 104572462 A CN104572462 A CN 104572462A
- Authority
- CN
- China
- Prior art keywords
- test case
- case
- original
- candidate
- generating
- 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.)
- Granted
Links
Landscapes
- Debugging And Monitoring (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种基于自适应随机策略的蜕变测试用例生成方法,即基于自适应策略随机自动生成测试用例。首先,随机生成第一组原始测试用例,并根据蜕变关系生成附加测试用例,两者构成已选择测试用例;其次,对输入域进行划分,得到末被已选择测试用例覆盖的子域;再次,在该子域中随机生成多个测试用例,从中选择一组测试用例作为候选原始测试用例,并根据蜕变关系生成附加测试用例;最后,根据候选测试用例与已选择测试用例之间的距离,以及候选原始测试用例与其附加测试用例之间的距离,选择距离最大的测试用例作为下一组测试用例。本发明的测试用例生成方法简单、明了,极大地改进了测试用例在输入域中的分散性、有效性和覆盖率。
Description
技术领域
本发明涉及一种蜕变测试用例生成方法,尤其涉及一种基于自适应随机策略的蜕变测试用例生成方法,属于软件蜕变测试技术领域。
背景技术
蜕变测试技术(Metamorphic Testing)是当前解决软件测试判定难题的一种有效并且实用的手段。这种测试技术提出的初衷就是通过蜕变关系根据已有测试用例生成额外的测试用例,然后通过相应的蜕变关系检查这两种测试用例是否满足蜕变关系。前一种测试用例称之为蜕变测试的原始测试用例,简称原始测试用例(Original Test Cases:OTC)。后一种测试用例就是蜕变测试的附加测试用例,简称为附加测试用例(Follow-up Test Cases:FTC)。
传统上认为,原始测试用例的生成并不属于蜕变测试研究的范畴,因为蜕变测试的主要目的是,通过设计和构造有效的蜕变关系,来构造附加测试用例,从而解决其它测试技术生成的原始测试用例在测试时面临的测试判定难题。因此,在蜕变测试领域,往往都关注对于目标程序如何构造有效的蜕变关系。通常认为蜕变关系的构造与选择会对蜕变测试结果产生影响,对于测试用例生成技术在蜕变测试中的作用并没有引起足够的重视。而软件测试的一个基本假设是,只有一次测试覆盖到一个存在故障的语句或者程序构件,这时才有可能发现这个故障导致的失效。对于蜕变测试,如果原始测试用例和附加测试用例都没有覆盖到故障所在语句,则通常不会发现失效目标。这样原始测试用例的选择就会对蜕变测试结果产生影响,但是至今这个结论也没有被验证。
在蜕变测试中,当蜕变关系确定后,通常采用随机值策略生成原始测试用例。由于随机值测试技术具有简单适用性,因此在蜕变测试中获得了广泛的应用。这种通用随机值测试技术虽然简单,但是在测试用例生成过程中对于测试覆盖并没有提供有用的信息,具有一定的盲目性,所以其有效性与其它测试技术相比通常被认为不够高。
发明内容
为了提高传统随机测试的有效性,基于对失效测试用例在连通域中聚集分布的现象,本发明的目的是提供一种基于自适应随机策略的蜕变测试用例生成方法,在蜕变测试中采用随机值策略生成的原始测试用例的基础上,引入以测试用例之间的距离为度量指标,自适应生成和选择下一个测试用例,从而能够提高测试用例的有效性和测试覆盖率。这种技术通过在生成原始测试用例的过程中采用自适应随机策略,从而保证测试用例在输入域中尽可能广泛的分布,这样可以在蜕变关系确定的条件下,提高蜕变测试的性能。
本发明的技术方案是提供一种基于自适应随机策略的蜕变测试用例生成方法,其设计要点在于,包括以下步骤:
步骤1对于被测软件采用随机值策略随机生成一组原始测试用例OTC,由原始测试用例根据蜕变关系的输入关系生成相应的附加测试用例FTC;此步骤生成的一组已选择测试用例OTC和FTC的个数为|OTC|+|FTC|,其中|OTC|表示原始测试用例的个数,|FTC|表示附加测试用例的个数;
步骤2根据步骤1生成的一组已选择测试用例OTC和FTC,采用自适应随机策略生成下一组测试用例,包括以下子步骤;
子步骤1将被测软件的输入域划分为|OTC|+|FTC|+1个子域;
子步骤2在不存在已选择测试用例的子域中采用随机值策略生成k个测试用例;
子步骤3从所述k个测试用例中未被选择作为候选原始测试用例的测试用例中随机选择一组测试用例作为候选原始测试用例;
根据候选原始测试用例和蜕变关系的输入关系生成附加测试用例,候选原始测试用例和附加测试用例组成候选测试用例;
在输入域空间中计算候选测试用例与步骤1中的已选择测试用例之间的距离Di;
在输入域空间中计算候选原始测试用例与其附加测试用例之间的距离Disj
所述k个测试用例中若存在未被选择作为候选原始测试用例的测试用例时,则重新执行此子步骤3;
子步骤4选择Di最大的候选测试用例,作为备选测试用例;
子步骤5若多个备选测试用例的Di相同时,则选择Disj最大的备选测试用例,并将其对应的原始测试用例和附加测试用例分别加入已选择测试用例OTC和FTC;
步骤3若还需要生成测试用例,则转到步骤2执行;
步骤4结束测试用例生成。
本发明在应用中,还有如下进一步优化的技术方案。
进一步地,所述子步骤2中k的取值为步骤1中原始测试用例个数的整数倍。
进一步地,所述子步骤3中候选原始测试用例的个数和步骤1中的原始测试用例的个数相同。
进一步地,所述子步骤3中生成附加测试用例的个数和步骤1中的蜕变关系的附加测试用例的个数相一致。
进一步地,所述测试用例之间的距离采用欧几里得距离,计算公式为式中(x,y)为测试用例在输入域空间中的坐标。
在传统的蜕变测试中,为了提高蜕变测试有效性,通常都针对蜕变关系进行研究。通过对目标软件构造更多有效的蜕变关系,来尽可能多的检测软件中存在的失效和故障。而目前,蜕变关系的构造还是依赖于测试人员对被测件的熟悉程度,不能实现完全的自动生成。
本发明提供的基于自适应随机值策略的蜕变测试用例生成方法,为蜕变测试自动生成更加有效的测试用例提供了一种技术方案。首先,随机生成第一组原始测试用例,并根据蜕变关系生成相应的附加测试用例,这两类测试用例构成了已选择测试用例;其次,通过对被测软件的输入域进行划分,得到未被已选择测试用例覆盖的子域;再次,在该子域中随机生成多个测试用例,并从中选择一组测试用例作为候选原始测试用例,再根据蜕变关系生成附加测试用例,候选原始测试用例和附加测试用例构成候选测试用例;最后,根据候选测试用例与已选择测试用例之间的距离,以及候选原始测试用例与其附加测试用例之间的距离,选择距离最大的测试用例作为下一组测试用例。本发明提供的测试用例生成方法简单、明了,通过自适应策略,极大地改进了原有随机生成测试用例的有效性和覆盖率,为蜕变测试中测试用例的生成提供了一种规范、精确、有效的方法,有助于蜕变测试用例自动生成的实施。
有益效果
蜕变测试用例自动生成,本发明是基于自适应随机策略自动生成测试用例,首先,随机生成第一组原始测试用例,并根据蜕变关系生成相应的附加测试用例,这两类测试用例构成了已选择测试用例;其次,通过对被测软件的输入域进行划分,得到未被已选择测试用例覆盖的子域;再次,在该子域中随机生成多个测试用例,并从中选择一组测试用例作为候选原始测试用例,再根据蜕变关系生成附加测试用例,候选原始测试用例和附加测试用例构成候选测试用例;最后,根据候选测试用例与已选择测试用例之间的距离,以及候选原始测试用例与其附加测试用例之间的距离,选择距离最大的测试用例作为下一组测试用例。
测试用例生成方法简单、明了,通过自适应策略,极大改进了原有随机生成测试用例在被测软件的输入域中分散性、有效性和覆盖率。
附图说明
图1本发明的蜕变测试用例生成方法流程图。
图2实例中生成的测试用例在被测软件的输入域中的分布。
图3在图2中的输入域中进行的子域划分。
图4在图3中未被已选择测试用例覆盖的子域中随机生成候选原始测试用例。
图5由图4中的候选原始测试用例生成的附加测试用例。
图6测试用例间的距离示意图。
具体实施方式
为了阐明本发明的技术方案及技术目的,下面结合附图、具体实施方式和具体实施例对本发明做进一步的介绍。
实施方式
本发明的一种基于自适应随机策略的蜕变测试用例生成方法,如图1所示,包括以下步骤:
步骤1对于被测软件采用随机值策略随机生成一组原始测试用例OTC,由原始测试用例根据蜕变关系的输入关系生成相应的附加测试用例FTC;原始测试用例OTC和附加测试用例FTC构成一组已选择测试用例OTC和FTC,已选择测试用例OTC和FTC的个数为|OTC|+|FTC|,其中|OTC|表示原始测试用例的个数,|FTC|表示附加测试用例的个数。
步骤2根据步骤1生成的一组已选择测试用例OTC和FTC,采用自适应随机策略生成下一组测试用例,包括以下子步骤:
子步骤1将被测软件的输入域划分为|OTC|+|FTC|+1个子域;所述划分的子域的个数(|OTC|+|FTC|+1)个比已选择测试用例的个数(|OTC|+|FTC|)多1个,因此可以确保至少有一个不存在已选择测试用例的子域;
子步骤2在不存在已选择测试用例的子域中采用随机值策略生成k个测试用例;上述下一组测试用例在这k个测试用例中通过自适应策略选择产生,其中k的取值为步骤1中蜕变关系对应的原始测试用例个数的整数倍,这样便于对k个测试用例进行遍历选择;
子步骤3从所述k个测试用例中未被选择作为候选原始测试用例的测试用例中随机选择一组测试用例作为候选原始测试用例;此时选择的测试用例的数量取决于所采用蜕变关系的原始测试用例的个数,即候选原始测试用例的个数可以取和步骤1中原始测试用例的个数相同;例如,对于下面将要描述的实例,蜕变关系MRsin1的原始测试用例个数为2,则应该选择2个测试用例作为候选原始测试用例;
根据候选原始测试用例和蜕变关系的输入关系生成附加测试用例,生成附加测试用例的个数和步骤1中的蜕变关系的附加测试用例的个数相一致;例如,对于下面将要描述的实例,蜕变关系MRsin1的附加测试用例个数为2,所以生成的附加测试用例个数应该为2;由于附加测试用例的生成取决于蜕变关系和原始测试用例,因此,附加测试用例并不一定和原始测试用例属于同一子域中;这时,候选原始测试用例和相应的附加测试用例组成了候选测试用例;
在输入域空间中2个测试用例之间的距离采用欧几里得距离,距离的计算公式为式中(x,y)为测试用例在输入域空间中的坐标;
在输入域空间中采用上述公式计算所述候选测试用例与步骤1中已选择测试用例之间的距离Di;
在输入域空间中采用上述公式计算候选原始测试用例与其附加测试用例之间的距离Disj
所述k个测试用例中若存在未被选择作为候选原始测试用例的测试用例时,则重新执行此子步骤3;
子步骤4选择Di最大的候选测试用例,作为备选测试用例;当对所述k个测试用例完成遍历选择后,为了确保新增测试用例尽可能远离已选择测试用例,因此选择Di最大的测试用例作为备选测试用例;
子步骤5若多个备选测试用例的Di相同时,则选择Disj最大的备选测试用例,并将其对应的原始测试用例和附加测试用例分别加入已选择测试用例OTC和FTC;
在确保新增测试用例与已选择测试用例尽可能分散的同时,可能存在多个最大距离Di相同的候选测试用例,这时为了保证每一组备选测试用例中,其候选原始测试用例与其附加测试用例尽可能分散,所以选择Disj最大的候选测试用例,作为备选洲试用例。
步骤3若已生成的测试用例不充足,还需要生成测试用例,则转到步骤2执行,否则跳转到步骤4。
步骤4结束测试用例生成。
为了详细、清晰说明本发明的方法的实施过程,使本领域的技术人员能更好地理解、实现本发明的上述技术方案,下面通过一个具体的程序实例进行说明。
实施例
为了详细、清晰说明本发明的测试用例生成与选择过程,本例以一个实现[P(x)]=sin(x)函数的软件程序P为例进行详细说明。该软件程序P用来计算y=sin(x)。对于该程序,容易得到其蜕变关系MRsin1:
MRsin1:sin2(x)=sin(x+y)*sin(x-y)+sin2(y),即:
其中,{x1,x2}是蜕变关系MRsin1的原始测试用例,以该蜕变关系MRsin1的输入关系为依据,生成附加测试用例{x3,x4}。
第一步:对于被测软件P采用随机值策略随机生成一组原始测试用例OTC,由原始测试用例根据上述蜕变关系的输入关系生成相应的附加测试用例FTC。
被测软件P的蜕变关系MRsin1的原始测试用例个数为2,即{x1,x2},因此,采用随机值策略随机生成2个原始测试用例e1和e2;同理,蜕变关系MRsin1的附加测试用例{x3,x4}的个数为2,由随机生成的原始测试用例分别生成2个附加测试用例e3和e4。如图2所示,D1表示输入域,e1和e2表示采用随机值策略随机生成的原始测试用例,e3和e4表示由随机生成的原始测试用例根据蜕变关系的输入关系生成的附加测试用例。
这时,已选择测试用例为4个,即{e1、e2、e3、e4}。
第二步:根据第一步生成的一组4个已选择测试用例{e1、e2、e3、e4},采用自适应随机策略生成下一组测试用例。
将被测软件P的输入域划分为4+1=5个子域;所述划分的子域的个数(4+1)个比已选择测试用例的个数4多1个,因此可以确保至少有一个不存在已选择测试用例的子域。如图3所示,D1、D2、D3、D4、D5分别表示5个划分的子域;由图3可见,D5子域中不存在已选择测试用例;因此,下一步需要在D5子域中生成下一组测试用例。
第三步:在D5子域中采用随机值策略随机生成k个测试用例,其中k=2*n,n为自然数。k的取值为第一步中蜕变关系对应的原始测试用例个数的整数倍,这样便于对k个测试用例进行遍历选择。对于蜕变关系MRsin1,其原始测试用例为2个,因此k应该为2的正整数倍。本实例中,选择n=2,则k=4,如图4所示,X1、X2、X3、X4分别表示四个随机生成的候选原始测试用例。从所述4个测试用例X1、X2、X3、X4中未被选择作为候选原始测试用例的测试用例中随机选择一组测试用例作为候选原始测试用例;此时选择的一组测试用例的数量和第一步中原始测试用例的个数相同,即为2个;则应该选择2个测试用例为一组作为候选原始测试用例;这样可以从测试用例X1、X2、X3、X4中选择2组,其中(X1,X2)为一组候选原始测试用例,(X3,X4)为另一组候选原始测试用例。
第四步:根据蜕变关系MRsin1由上述两组候选原始测试用例分别生成4个附加测试用例。如图5所示,Y11、Y12、Y31、Y32分别表示由候选原始测试用例根据蜕变关系MRsin1生成的4个附加测试用例,其中(Y11,Y12)为(X1,X2)对应的附加测试用例,(Y31,Y32)为(X3,X4)对应的附加测试用例。第三步的候选原始测试用例和第四步的附加测试用例组成候选测试用例(X1、X2、X3、X4、Y11、Y12、Y31、Y32)。
第五步:分别计算候选测试用例(X1、X2、X3、X4、Y11、Y12、Y31、Y32)到已选择测试用例(e1、e2、e3、e4)的距离Di,为了便于理解,在图6中用虚线展示了候选测试用例(X1、X2、X3、X4、Y11、Y12、Y31、Y32)到已选择测试用例e1的距离Di。
第六步:分别计算候选原始测试用例(X1,X2)、(X3,X4)到相应附加测试用例(Y11,Y12)、(Y31,Y32)之间的距离Disj,为了便于理解,在图6中用点划线展示了候选原始测试用例(X1,X2)到附加测试用例(Y11,Y12)的距离Disj。
第七步:比较并选择Di最大值对应的候选测试用例作为备选测试用例;当存在多个满足该条件的备选测试用例时,比较并选择其中Disj最大的备选测试用例作为下一组测试用例。由图可知,测试用例组((X1,X2),(Y11,Y12))具有更大的Di,因此选择该组测试用例作为下一组蜕变测试用例。
第八步:如果需要产生更多的测试用例,返回第二步执行,可以采用类似的过程生成相应的测试用例。
本发明提供的基于自适应随机策略的蜕变测试用例生成方法,为蜕变测试自动生成更加有效的测试用例提供了一种技术方案。首先,随机生成第一组原始测试用例,并根据蜕变关系生成相应的附加测试用例,这两类测试用例构成了已选择测试用例;其次,通过对被测软件的输入域进行划分,得到未被已选择测试用例覆盖的子域;再次,在该子域中随机生成多个测试用例,并从中选择一组测试用例作为候选原始测试用例,再根据蜕变关系生成附加测试用例,候选原始测试用例和附加测试用例构成候选测试用例;最后,根据候选测试用例与已选择测试用例之间的距离,以及候选原始测试用例与其附加测试用例之间的距离,选择距离最大的测试用例作为下一组测试用例。本发明提供的测试用例生成方法简单、明了,通过自适应策略,极大改进了原有随机生成测试用例的有效性和覆盖率,为蜕变测试中测试用例的生成提供了一种规范、精确、有效的方法,有助于蜕变测试用例自动生成的实施。
和现有技术相比,本发明具有如下技术进步性。
1)蜕变测试用例自动生成,本发明是基于自适应随机策略自动生成测试用例,首先,随机生成第一组原始测试用例,并根据蜕变关系生成相应的附加测试用例,这两类测试用例构成了已选择测试用例;其次,通过对被测软件的输入域进行划分,得到未被已选择测试用例覆盖的子域;再次,在该子域中随机生成多个测试用例,并从中选择一组测试用例作为候选原始测试用例,再根据蜕变关系生成附加测试用例,候选原始测试用例和附加测试用例构成候选测试用例;最后,根据候选测试用例与已选择测试用例之间的距离,以及候选原始测试用例与其附加测试用例之间的距离,选择距离最大的测试用例作为下一组测试用例。
2)测试用例生成方法简单、明了,通过自适应策略,极大改进了原有随机生成测试用例在被测软件的输入域中分散性、有效性和覆盖率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。
Claims (5)
1.一种基于自适应随机策略的蜕变测试用例生成方法,其特征在于,包括以下步骤:
步骤1对于被测软件采用随机值策略随机生成一组原始测试用例OTC,由原始测试用例根据蜕变关系的输入关系生成相应的附加测试用例FTC;此步骤生成的一组已选择测试用例OTC和FTC的个数为|OTC|+|FTC|,其中|OTC|表示原始测试用例的个数,|FTC|表示附加测试用例的个数;
步骤2根据步骤1生成的一组已选择测试用例OTC和FTC,采用自适应随机策略生成下一组测试用例,包括以下子步骤;
子步骤1将被测软件的输入域划分为|OTC|+|FTC|+1个子域;
子步骤2在不存在已选择测试用例的子域中采用随机值策略生成k个测试用例;
子步骤3从所述k个测试用例中未被选择的测试用例中随机选择一组测试用例作为候选原始测试用例;
根据候选原始测试用例和蜕变关系的输入关系生成附加测试用例,候选原始测试用例和附加测试用例组成候选测试用例;
在输入域空间中计算候选测试用例与步骤1中的已选扦测试用例之间的距离Di;
在输入域空间中计算候选原始测试用例与其附加测试用例之间的距离Disj
所述k个测试用例中若存在未被选择作为候选原始测试用例的测试用例时,则重新执行此子步骤3;
子步骤4选择Di最大的候选测试用例,作为备选测试用例;
子步骤5若多个备选测试用例的Di相同时,则选扦Disj最大的备选测试用例,并将其对应的原始测试用例和附加测试用例分别加入已选择测试用例OTC和FTC;
步骤3若还需要生成测试用例,则转到步骤2执行;
步骤4结束测试用例生成。
2.根据权利要求1所述的一种基于自适应随机策略的蜕变测试用例生成方法,其特征在于:所述子步骤2中k的取值为步骤1中的原始测试用例个数的整数倍。
3.根据权利要求1所述的一种基于自适应随机策略的蜕变测试用例生成方法,其特征在于:所述子步骤3中候选原始测试用例的个数和步骤1中的原始测试用例的个数相同。
4.根据权利要求1所述的一种基于自适应随机策略的蜕变测试用例生成方法,其特征在于:所述子步骤3中生成附加测试用例的个数和步骤1中的蜕变关系的附加测试用例的个数相一致。
5.根据权利要求1所述的一种基于自适应随机策略的蜕变测试用例生成方法,其特征在于:所述测试用例之间的距离采用欧几里得距离,其计算公式为式中(x,y)为测试用例在输入域空间中的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410851718.1A CN104572462B (zh) | 2014-12-31 | 2014-12-31 | 一种基于自适应随机策略的蜕变测试用例生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410851718.1A CN104572462B (zh) | 2014-12-31 | 2014-12-31 | 一种基于自适应随机策略的蜕变测试用例生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104572462A true CN104572462A (zh) | 2015-04-29 |
CN104572462B CN104572462B (zh) | 2017-10-03 |
Family
ID=53088594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410851718.1A Active CN104572462B (zh) | 2014-12-31 | 2014-12-31 | 一种基于自适应随机策略的蜕变测试用例生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104572462B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294127A (zh) * | 2016-07-25 | 2017-01-04 | 江苏大学 | 基于聚类的面向对象软件测试用例生成方法 |
CN106844193A (zh) * | 2016-12-17 | 2017-06-13 | 福建瑞之付微电子有限公司 | 一种嵌入式模块交叉测试的系统化设计方法 |
CN107132837A (zh) * | 2017-04-24 | 2017-09-05 | 中广核工程有限公司 | 一种核电站数字化反应堆保护系统的测试方法及系统 |
CN108710567A (zh) * | 2018-04-28 | 2018-10-26 | 南华大学 | 一种似然蜕变关系构造方法 |
CN109410241A (zh) * | 2018-10-29 | 2019-03-01 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试方法 |
CN109447968A (zh) * | 2018-10-29 | 2019-03-08 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试系统 |
CN112148592A (zh) * | 2020-08-31 | 2020-12-29 | 江苏大学 | 一种基于有利点树划分多维输入域空间的自适应随机测试方法 |
CN112988566A (zh) * | 2021-01-25 | 2021-06-18 | 杭州衣科云科技有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
CN113568831A (zh) * | 2021-07-27 | 2021-10-29 | 重庆大学 | 基于蜕变测试的自监督深度学习型缺陷定位方法 |
CN113778865A (zh) * | 2021-08-27 | 2021-12-10 | 南华大学 | 一种蜕变测试的测试用例自适应随机生成方法 |
US20220308989A1 (en) * | 2020-12-22 | 2022-09-29 | Sas Institute Inc. | Automated machine learning test system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170378A (zh) * | 2011-04-22 | 2011-08-31 | 北京科技大学 | 一种无需预期的Web服务测试方法 |
US20140033177A1 (en) * | 2005-07-20 | 2014-01-30 | International Business Machines Corporation | Multi-platform test automation enhancement |
CN103713999A (zh) * | 2013-11-27 | 2014-04-09 | 中国人民解放军理工大学 | 基于定量度量的蜕变关系测试优先级排序方法 |
CN103885876A (zh) * | 2012-12-21 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 测试方法及设备 |
-
2014
- 2014-12-31 CN CN201410851718.1A patent/CN104572462B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140033177A1 (en) * | 2005-07-20 | 2014-01-30 | International Business Machines Corporation | Multi-platform test automation enhancement |
CN102170378A (zh) * | 2011-04-22 | 2011-08-31 | 北京科技大学 | 一种无需预期的Web服务测试方法 |
CN103885876A (zh) * | 2012-12-21 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 测试方法及设备 |
CN103713999A (zh) * | 2013-11-27 | 2014-04-09 | 中国人民解放军理工大学 | 基于定量度量的蜕变关系测试优先级排序方法 |
Non-Patent Citations (1)
Title |
---|
杜元柱 等: "基于变异分析的蜕变测试充分性条件", 《计算机应用》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294127B (zh) * | 2016-07-25 | 2019-01-08 | 江苏大学 | 基于聚类的面向对象软件测试用例生成方法 |
CN106294127A (zh) * | 2016-07-25 | 2017-01-04 | 江苏大学 | 基于聚类的面向对象软件测试用例生成方法 |
CN106844193A (zh) * | 2016-12-17 | 2017-06-13 | 福建瑞之付微电子有限公司 | 一种嵌入式模块交叉测试的系统化设计方法 |
CN107132837A (zh) * | 2017-04-24 | 2017-09-05 | 中广核工程有限公司 | 一种核电站数字化反应堆保护系统的测试方法及系统 |
CN107132837B (zh) * | 2017-04-24 | 2019-07-23 | 中广核工程有限公司 | 一种核电站数字化反应堆保护系统的测试方法及系统 |
CN108710567B (zh) * | 2018-04-28 | 2021-07-23 | 南华大学 | 一种似然蜕变关系构造方法 |
CN108710567A (zh) * | 2018-04-28 | 2018-10-26 | 南华大学 | 一种似然蜕变关系构造方法 |
CN109410241A (zh) * | 2018-10-29 | 2019-03-01 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试方法 |
CN109447968A (zh) * | 2018-10-29 | 2019-03-08 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试系统 |
CN112148592A (zh) * | 2020-08-31 | 2020-12-29 | 江苏大学 | 一种基于有利点树划分多维输入域空间的自适应随机测试方法 |
CN112148592B (zh) * | 2020-08-31 | 2024-05-14 | 江苏大学 | 一种基于有利点树划分多维输入域空间的自适应随机测试方法 |
US20220308989A1 (en) * | 2020-12-22 | 2022-09-29 | Sas Institute Inc. | Automated machine learning test system |
CN112988566A (zh) * | 2021-01-25 | 2021-06-18 | 杭州衣科云科技有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
CN112988566B (zh) * | 2021-01-25 | 2024-01-02 | 杭州衣科信息技术股份有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
CN113568831A (zh) * | 2021-07-27 | 2021-10-29 | 重庆大学 | 基于蜕变测试的自监督深度学习型缺陷定位方法 |
CN113568831B (zh) * | 2021-07-27 | 2023-07-04 | 重庆大学 | 基于蜕变测试的自监督深度学习型缺陷定位方法 |
CN113778865A (zh) * | 2021-08-27 | 2021-12-10 | 南华大学 | 一种蜕变测试的测试用例自适应随机生成方法 |
CN113778865B (zh) * | 2021-08-27 | 2023-07-18 | 南华大学 | 一种蜕变测试的测试用例自适应随机生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104572462B (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104572462A (zh) | 一种基于自适应随机策略的蜕变测试用例生成方法 | |
CN105071381A (zh) | 一种基于影响增量的状态枚举可靠性评估方法及其装置 | |
CN103473472A (zh) | 一种基于四分位图的数据质量检测方法及系统 | |
CN203930058U (zh) | 一种合成孔径雷达面目标回波信号模拟器 | |
CN105786708B (zh) | 一种迭代划分测试方法和系统 | |
CN105868543A (zh) | 基于逆高斯寿命分布的贮存寿命试验加速因子评估方法 | |
CN104598381B (zh) | 一种蜕变测试中失效测试用例的定位方法 | |
CN109257159A (zh) | 新型高维超混沌系统的构造方法 | |
US20090222779A1 (en) | Methods and apparatuses for generating a random sequence of commands for a semiconductor device | |
CN110096753A (zh) | 两种随机变量下双指数分布的Bayes评估方法 | |
Rodrigues et al. | Escape from attracting sets in randomly perturbed systems | |
Sedghi et al. | On the conditional mutual information in the Gaussian–Markov structured grids | |
CN103135004B (zh) | 一种试验表构造的方法、一种测量电磁特性的方法及其装置 | |
Meiyan et al. | Uncertainty analysis of load models in small signal stability | |
CN105930632A (zh) | 机电整机产品贮存寿命建模方法 | |
CN104237637A (zh) | 阻波器阻塞电阻值的测量方法 | |
Chen et al. | The influence of topology changes on inter-area oscillation modes and mode shapes | |
CN104021083A (zh) | 测试方法及装置 | |
Chen et al. | Transient stability assessment of power system incorporating wind power using quasi-monte carlo method | |
Niu et al. | Fault analysis of power transmission line in a generalized state-space model perspective | |
CN105786686A (zh) | 边界值测试方法及装置 | |
CN104517056A (zh) | 一种扩展Peach平台同时测试多个网络报文字段的方法 | |
Luo et al. | Correlating empirical data and extended topological measures in power grid networks | |
Flórez et al. | A relation between triangular numbers and prime numbers | |
Miyazaki et al. | Distribution of the loops on the logistic maps over integers for the control parameter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |