CN111352826B - 一种界面测试用例自动生成方法及工具 - Google Patents
一种界面测试用例自动生成方法及工具 Download PDFInfo
- Publication number
- CN111352826B CN111352826B CN201811582201.1A CN201811582201A CN111352826B CN 111352826 B CN111352826 B CN 111352826B CN 201811582201 A CN201811582201 A CN 201811582201A CN 111352826 B CN111352826 B CN 111352826B
- Authority
- CN
- China
- Prior art keywords
- test
- operable
- tool
- series
- interface
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000009471 action Effects 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 230000002787 reinforcement Effects 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000001545 Page's trend test Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种界面测试用例自动生成方法及工具,通过记录软件界面的可操作动作空间,利用增强学习算法探索软件界面的所述可操作动作空间得到状态空间并得到一系列可行操作序列,根据所述状态空间和测试目标利用动态规划算法分析得到其中最优或者最接近真人操作一个或多个操作序列,最后根据这些操作序列自动编写代码生成测试工具。本发明的界面测试用例自动生成方法及工具结合Q‑learning强化学习算法和Dynamic Programming动态规划算法自主学习软件界面的可操作动作,自动生成完整的测试工具,减少测试人员在界面测试中编写测试工具的繁重任务,减少当程序或者界面变化之后需要重新编写测试脚本的情况,极大得增加测试套件的覆盖率。
Description
技术领域
本发明属于软件测试技术领域,尤其涉及一种界面测试用例自动生成方法及工具。
背景技术
在当下软件、网页、移动端应用的开发周期不断缩短,软件产品迭代速度不断增大的大背景下,自动化测试的重要性不言而喻。目前很多公司遇到的问题是测试人员的缺乏,测试速度赶不上更新速度,甚至一些规模小的公司跳过了测试环节,这样会造成软件产品存在较大的不稳定。在软件产品测试中软件图形用户界面测试更尤为重要,因其从用户的角度出发,同时也是验证产品可靠性的最为直接有效的方法。
现有技术基于关键词驱动的自动化测试框架:关键字驱动测试中,每一个关键字能解释执行相应的脚本,通过不同的测试数据,在这个测试框架中可以通过很少的代码来产生大量的测试用例,同样的代码在用数据表来产生各个测试用例的同时被复用。
基于模型的自动化测试框架:所谓的模型,其实是一系列的状态机,一般都是有限状态机,是表示有限个状态以及在这些状态之间的转移和动作等行为的数学模型可以,可以将一个有限状态机看做是一个特殊的有向图,它包括一些状态(节点)和连接这些状态的有向弧。每一个有限状态机都有一个启始状态和一个终止状态和若干中间状态。每一条弧上带有从一个状态进入下一个状态的条件。每一个模型相当于一个测试场景,不同的测试场景之间的触发有不同的条件,一个整体的功能测试,比有开始和结束两个状态。因此,设计自动化测试系统可包含这几个测试模块:人机交互模块、总体控制模块、模型驱动模块、数据库交互模块、测试用例组装和分析模块、执行模块、测试结果分析验证模块。重点是测试用例组装和分析模块,其可以根据不同的测试方式进行测试用例的组装,第一种按输入指定的测试序列直接进行模型组装生成用例,第二种测试方式是在测试过程中模型不断根据输出状态和触发条件进行组装和生成用例。
无论是基于脚本测试还是基于模型测试,都有复杂繁重的代码编写工作,需要人工去设计测试套件,且不具备跨越软件的特性,意味着任何一个新的软件网页或者应用就需要去重新设计测试套件。
发明内容
本发明提供一种界面测试用例自动生成方法及工具,能够自动生成完整的测试工具,减少测试人员在界面测试中编写测试工具的繁重任务。
为解决上述技术问题,本发明提供了一种界面测试用例自动生成方法,包括:
记录软件界面的所有可操作动作得到可操作动作空间;
选择软件界面的测试目标;
利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具。
根据本发明的一实施方式,所述记录软件界面的所有可操作动作得到可操作动作空间的步骤包括:
打开操作录制工具;
用户手动点击软件界面的所有可操作动作;
记录所有可操作动作得到可操作动作空间。
根据本发明的另一实施方式,所述测试目标包括Q-Learning算法和动态规划算法的学习策略。
根据本发明的另一实施方式,所述可操作动作包括按钮操作、单选框操作、多选框操作、下拉菜单操作、导航箭头操作和链接操作的一种或多种。
根据本发明的另一实施方式,所述利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列的步骤还包括:
利用增强学习算法探索软件界面的所述可操作动作空间得到状态空间。
根据本发明的另一实施方式,所述根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具的步骤包括:
对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
另一方面,本发明还提供了一种界面测试用例自动生成工具,包括:
记录模块,用于记录软件界面的所有可操作动作得到可操作动作空间;
选择模块,用于选择软件界面的测试目标;
增强学习模块,用于利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
动态规划模块,用于根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
工具生成模块,用于根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具。
根据本发明的一实施方式,所述记录模块包括:
打开单元,用于打开操作录制工具;
点击单元,用于用户手动点击软件界面的所有可操作动作;
记录单元,用于记录所有可操作动作得到可操作动作空间。
根据本发明的另一实施方式,所述工具生成模块包括:
编写单元,用于对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
组合单元,用于随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
本发明的有益效果:
本发明实施例的界面测试用例自动生成方法通过记录软件界面的可操作动作空间,利用Q-Learning算法探索软件界面的所述可操作动作空间得到一系列可行操作序列和状态空间,确定和生成测试工具所需要的环节,之后再利用动态规划算法找到所有可能等效的多个操作序列,最后根据得到的多个操作序列自动编写代码生成测试工具。本发明实施例结合Q-learning强化学习算法和Dynamic Programming动态规划算法自主学习软件界面的可操作动作,自动生成完整的测试工具,减少测试人员在界面测试中编写测试工具的繁重任务,减少当程序或者界面变化之后需要重新编写测试脚本的情况,极大得增加测试套件的覆盖率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种界面测试用例自动生成方法的一个实施例的流程示意图;
图2是本发明的一种界面测试用例自动生成方法的步骤100的一个实施例的流程示意图;
图3是本发明的一种界面测试用例自动生成方法的步骤500的一个实施例的流程示意图;
图4是本发明的一种界面测试用例自动生成工具的一个实施例的结构示意图。
具体实施方式
下面将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、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1所示,本发明实施例提供了一种界面测试用例自动生成方法,包括:
步骤100:记录软件界面的所有可操作动作得到可操作动作空间;
步骤200:选择软件界面的测试目标;
步骤300:利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
步骤400:根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
步骤500:根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具。
本发明实施例的界面测试用例自动生成方法的设计假设为:
a) 已知所有的动作,例如:网页测试中就是执行路径,软件测试中则是可点击图标的位置。
b) 除了初始界面,所有之后的状态未知,包括之后有多少界面,每个界面长什么样子全部未知。
这两个假设都完美符合人类的真实情况,对于第一个假设而言,人看到所有的按钮多选框都知道应该进行的操作,而第二个假设正是模拟人类第一次接触这个软件的状态。
Q-Learning是Off-Policy 算法,相较与On-Policy有很多优势,他们之间的区别在于,Q-Learning评估下一个状态的Q-value是用贪婪算法估计的,而真实的执行策略并不一定是贪婪算法。而On-Policy是执行和评估下个状态的Q-value都必须得是一种算法。Off-Policy算法的优势为 通过观测人类和别的智能体学习;利用之前老的策略的经验;在学习最优策略的同时,延续探索的策略;遵守单一策略的同时,可以学习多种策略。
动态规划算法
动态规划算法的假设是在所有状态已知的情况,所以当Q-learning探索软件或者网页的可执行空间之后,确定和生成测试套件所需要的环节,尤其是当软件或者网页开发逐渐稳定,需要全面和持续的测试时候,dynamic programming方法就体现其可靠性且稳定。
本发明实施例的界面测试用例自动生成方法通过记录软件界面的可操作动作空间,利用Q-Learning算法探索软件界面的所述可操作动作空间得到一系列可行操作序列和状态空间,确定和生成测试工具所需要的环节,之后再利用动态规划算法找到所有可能等效的多个操作序列,最后根据得到的多个操作序列自动编写代码生成测试工具。
本实施例中的动态规划算法可以为Dynamic Programming算法,结合两种算法自主学习软件界面的可操作动作,自动生成完整的测试工具,减少测试人员在界面测试中编写测试工具的繁重任务,减少当程序或者界面变化之后需要重新编写测试脚本的情况,极大得增加测试套件的覆盖率。
作为一个举例说明,参见图2所示,本发明实施例的步骤100包括:
步骤101:打开操作录制工具;
步骤102:用户手动点击软件界面的所有可操作动作;
步骤103:记录所有可操作动作得到可操作动作空间。
本实施例中通过结合操作录制工具,用户手动点击界面上的左右可操作动作,轻松快速的记录记录网页或者软件等界面中可操作动作空间。
作为另一个举例说明,本发明实施例的所述测试目标包括Q-Learning算法和动态规划算法的学习策略。
Q-Learning算法的作用是在状态空间或者模型未知的情况下,寻找最优操作序列,同时探索状态空间。当我们经过Q-Learning算法处理之后,会对于所有遇到过的状态进行保存,那么对于状态就有了全部或者部分了解,之后可以使用动态规划算法,举个例子来说:如果我们测试游戏的角色创建功能,从输入角色名-A,选择发色:红色-C,绿色-E 等等,写成流程的话就是A-C-D-R-T-Z或者A-E-D-R-T-Z,这两个操作序列都可以到达Z,Z就是成功创捷了角色。Q-Learning算法只能得到其中一个,但是动态规划算法就可以知道这两个是等价的,而输出这两个操作序列,从而增加测试的全面性以及减少时间。
可选的,本发明实施例的所述可操作动作包括按钮操作、单选框操作、多选框操作、下拉菜单操作、导航箭头操作和链接操作的一种或多种。
作为另一个举例说明,本发明实施例的所述步骤300还包括:
利用增强学习算法探索软件界面的所述可操作动作空间得到状态空间。
作为另一个举例说明,参见图3所示,本发明实施例的所述步骤500包括:
步骤501:对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
步骤502:随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
因为我们通过动态规划得到了所有的流程,比如说创建角色,可以选择不同的发色,不同性别、不同颜色衣服等,这样就形成了完整全面的测试套件,之后执行就是按照操作顺序,随机或者并行测试。
另一方面,参见图4所示,本发明实施例还提供了一种界面测试用例自动生成工具,包括:
记录模块10,用于记录软件界面的所有可操作动作得到可操作动作空间;
选择模块20,用于选择软件界面的测试目标;
增强学习模块30,用于利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
动态规划模块40,用于根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
工具生成模块50,用于根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具。
本发明实施例的界面测试用例自动生成工具通过记录模块记录软件界面的可操作动作空间,利用Q-Learning算法探索软件界面的所述可操作动作空间得到一系列可行操作序列和状态空间,确定和生成测试工具所需要的环节,之后再利用动态规划模块找到所有可能等效的多个操作序列,最后工具生成模块根据多个操作序列自动编写代码生成测试工具。
本实施例中结合Q-learning算法和Dynamic Programming算法自主学习软件界面的可操作动作,自动生成完整的测试工具,减少测试人员在界面测试中编写测试工具的繁重任务,减少当程序或者界面变化之后需要重新编写测试脚本的情况,极大得增加测试套件的覆盖率。
作为一个举例说明,本发明实施例的所述记录模块10包括:
打开单元,用于打开操作录制工具;
点击单元,用于用户手动点击软件界面的所有可操作动作;
记录单元,用于记录所有可操作动作得到可操作动作空间。
作为另一个举例说明,本发明实施例的所述工具生成模块50包括:
编写单元,用于对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
组合单元,用于随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (5)
1.一种界面测试用例自动生成方法,其特征在于,包括:
记录软件界面的所有可操作动作得到可操作动作空间;
选择软件界面的测试目标;
利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具;
所述记录软件界面的所有可操作动作得到可操作动作空间的步骤包括:
打开操作录制工具;
用户手动点击软件界面的所有可操作动作;
记录所有可操作动作得到可操作动作空间;
所述测试目标包括Q-Learning算法和动态规划算法的学习策略;
所述可操作动作包括按钮操作、单选框操作、多选框操作、下拉菜单操作、导航箭头操作和链接操作的一种或多种;
所述根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具的步骤包括:
对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
2.根据权利要求1所述的界面测试用例自动生成方法,其特征在于,所述利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列的步骤还包括:
利用增强学习算法探索软件界面的所述可操作动作空间得到状态空间。
3.一种界面测试用例自动生成工具,其特征在于,包括:
记录模块,用于记录软件界面的所有可操作动作得到可操作动作空间;其步骤包括:
打开操作录制工具;
用户手动点击软件界面的所有可操作动作;
记录所有可操作动作得到可操作动作空间;
所述可操作动作包括按钮操作、单选框操作、多选框操作、下拉菜单操作、导航箭头操作和链接操作的一种或多种;
选择模块,用于选择软件界面的测试目标;所述测试目标包括Q-Learning算法和动态规划算法的学习策略;
Q-Learning算法模块,用于利用Q-Learning算法在软件界面的所述可操作动作空间寻找得到一系列可行操作序列;
动态规划模块,用于根据一系列所述可行操作序列和测试目标利用动态规划算法分析得到与一系列所述可行操作序列对应的多个等效操作序列;
工具生成模块,用于根据多个所述等效操作序列以及一系列所述可行操作序列自动生成测试工具;其步骤包括:
对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
4.根据权利要求3所述的界面测试用例自动生成工具,其特征在于,所述记录模块包括:
打开单元,用于打开操作录制工具;
点击单元,用于用户手动点击软件界面的所有可操作动作;
记录单元,用于记录所有可操作动作得到可操作动作空间。
5.根据权利要求3所述的界面测试用例自动生成工具,其特征在于,所述工具生成模块包括:
编写单元,用于对应多个所述等效操作序列以及一系列所述可行操作序列自动编写多个测试用例;
组合单元,用于随机确定多个所述测试用例的运行顺序形成一套完整测试工具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582201.1A CN111352826B (zh) | 2018-12-24 | 2018-12-24 | 一种界面测试用例自动生成方法及工具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582201.1A CN111352826B (zh) | 2018-12-24 | 2018-12-24 | 一种界面测试用例自动生成方法及工具 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111352826A CN111352826A (zh) | 2020-06-30 |
CN111352826B true CN111352826B (zh) | 2024-05-03 |
Family
ID=71191991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582201.1A Active CN111352826B (zh) | 2018-12-24 | 2018-12-24 | 一种界面测试用例自动生成方法及工具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111352826B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111694756B (zh) * | 2020-07-31 | 2023-05-23 | 北京字节跳动网络技术有限公司 | 一种应用程序测试方法及装置 |
CN111694755B (zh) * | 2020-07-31 | 2023-07-18 | 抖音视界有限公司 | 应用程序测试方法、装置、电子设备及介质 |
CN112084117B (zh) * | 2020-09-27 | 2023-08-08 | 网易(杭州)网络有限公司 | 一种测试方法和装置 |
CN113176920B (zh) * | 2021-04-29 | 2024-05-31 | 上海云扩信息科技有限公司 | 一种通用的rpa元素选择器管理系统 |
CN114077742B (zh) * | 2021-11-02 | 2022-12-02 | 清华大学 | 软件漏洞智能挖掘方法和装置 |
CN116524986B (zh) * | 2023-04-23 | 2024-04-19 | 深圳市晶存科技有限公司 | 存储产品的系统级测试方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092756A (zh) * | 2013-01-08 | 2013-05-08 | 彭勇 | 一种交互式自动化测试系统及其方法 |
CN105955889A (zh) * | 2016-05-11 | 2016-09-21 | 南京大学 | 一种图形界面自动化测试方法 |
CN108594803A (zh) * | 2018-03-06 | 2018-09-28 | 吉林大学 | 基于q-学习算法的路径规划方法 |
CN109059931A (zh) * | 2018-09-05 | 2018-12-21 | 北京航空航天大学 | 一种基于多智能体强化学习的路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8893087B2 (en) * | 2011-08-08 | 2014-11-18 | Ca, Inc. | Automating functionality test cases |
-
2018
- 2018-12-24 CN CN201811582201.1A patent/CN111352826B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092756A (zh) * | 2013-01-08 | 2013-05-08 | 彭勇 | 一种交互式自动化测试系统及其方法 |
CN105955889A (zh) * | 2016-05-11 | 2016-09-21 | 南京大学 | 一种图形界面自动化测试方法 |
CN108594803A (zh) * | 2018-03-06 | 2018-09-28 | 吉林大学 | 基于q-学习算法的路径规划方法 |
CN109059931A (zh) * | 2018-09-05 | 2018-12-21 | 北京航空航天大学 | 一种基于多智能体强化学习的路径规划方法 |
Non-Patent Citations (4)
Title |
---|
"基于强化学习算法的自适应配对交易模型";胡文伟等;《管理科学》;20170228;第30卷(第02期);全文 * |
Anna I. Esparcia-Alcázar ; Francisco Almenar ; Tanja E. J. Vos ; Urko Rueda."Using genetic programming to evolve action selection rules in traversal-based automated software testing:results obtained with the TESTAR tool".《Memetic Computing》.2018,第1-17页. * |
路斯瑶等."基于事件流图的用户界面测试优化".《测控技术》.2010,第72-76页. * |
陈英,黄菲,么博迪,史晋,孙文灿.O-OCTT的多语言功能扩展研究.北京理工大学学报.2004,(09),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111352826A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352826B (zh) | 一种界面测试用例自动生成方法及工具 | |
EP0869433A2 (en) | A test development system and method for software with a graphical user interface | |
US20040225919A1 (en) | Event driven graph explorer for model-based testing of software | |
CN102567201A (zh) | 跨模型的图形用户界面测试脚本自动修复方法 | |
Xie | Developing cost-effective model-based techniques for GUI testing | |
Kull | Automatic GUI model generation: State of the art | |
Said et al. | Towards Interactive Mining of Understandable State Machine Models from Embedded Software. | |
Li et al. | A practical approach to testing GUI systems | |
Darwiche | Model-based diagnosis under real-world constraints | |
Akpinar et al. | Web application testing with model based testing method: case study | |
Lafi et al. | Automated test cases generation from requirements specification | |
Spichkova et al. | Towards a human-centred approach in modelling and testing of cyber-physical systems | |
Kilincceker et al. | Random test generation from regular expressions for graphical user interface (GUI) testing | |
Lee | Model-based reasoning: a principled approach for software engineering | |
Ahmed et al. | An automated testing framework for smart tv apps based on model separation | |
Su et al. | STCG: state-aware test case generation for simulink models | |
Bansal et al. | A model based approach to test case generation for testing the navigation behavior of dynamic web applications | |
Flemström et al. | Saga toolbox: Interactive testing of guarded assertions | |
Nabuco et al. | Inferring ui patterns with inductive logic programming | |
Sabharwal et al. | An event-based approach to generate test scenarios | |
Carrera-Rivera et al. | Exploring the transformation of user interactions to Adaptive Human-Machine Interfaces | |
Tian et al. | A model-based test cases generation method for spacecraft software | |
Kıraç et al. | Automatically learning usage behavior and generating event sequences for black-box testing of reactive systems | |
Nikfard et al. | Functional testing on web applications | |
Yi et al. | An Empirical Study of Counterexample-Guided Fuzzing for Neural Networks Verification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |