基于改進量子蟻群算法的測試用例約簡方法研究.pdf

1、測試用例約簡(Test Suite Reduction)是在最初測試用例集合的基礎上按照一定規(guī)則、算法尋找一個測試用例執(zhí)行代價總和最小的測試用例子集，且該子集必須能夠滿足與前者相同的測試需求集。針對該問題學者們提出了許多算法。傳統(tǒng)約簡算法如貪心算法、GRE算法、HGS算法、線性規(guī)劃法等都是以每個測試用例代價相同為理論基礎，求一個包含測試用例數(shù)量最少的子集也成為代表集。上述算法雖然能夠求得一個包含測試用例數(shù)量最小子集，但是該子集測試用例執(zhí)

2、行代價總和未必最小。本文在進行測試用例約簡時，不僅僅考慮減少測試用例的個數(shù)，還考慮到每個用例的不同測試用例執(zhí)行代價，在保證軟件測試充分性的前提下求一個測試用例執(zhí)行代價總和最小的代表集。
　　針對測試用例約簡問題本文使用了改進的量子蟻群算法(Modified QuantumAnt Colony Algorithm)。量子蟻群算法是將啟發(fā)式量子進化算法QEA(Quantum-inspired Evolutionary Algorith

3、m)與傳統(tǒng)的蟻群算法相結合，將其量子計算的優(yōu)點引進到蟻群算法提高螞蟻全局搜索能力，避免了蟻群容易陷入局部最優(yōu)問題，能夠使蟻群算法突破算法極限。針對測試用例初始集合規(guī)模龐大的特點本文引入了候選集的概念，對測試用例集合進行初次篩選，形成一個候選集，以減少量子蟻群算法處理數(shù)據(jù)的規(guī)模。為了讓蟻群在算法初期擴大搜索范圍，在后期加快收斂速度，本文在算法參數(shù)方面使用自適應策略。最后，在信息素設置方面，增強了算法初始各個結點的信息素值，為了避免初值對后

4、期迭代的影響本文對信息素的值采取最大最小區(qū)間限制的策略;在信息素更新方式上同時使用局部更新和全局更新兩種方式，在揮發(fā)機制下經(jīng)過初期的迭代，信息素會很快恢復到正常水平，但是蟻群能夠在算法初期獲得一個較好的結果，為蟻群后期迭代奠定良好遍歷基礎。
　　本文在西門子標準測試套件(Siemens)上進行大量的仿真實驗，并將實驗結果與已有的算法進行比對。實驗結果表明，改進的量子蟻群算法與其他同類算法相比能夠獲得測試用例執(zhí)行代價更小的測試用例集