基于支持向量机回归模型的测试用例生成与重用

doi:10.12263/DZXB.20200426

摘要/Abstract

摘要：

在软件测试领域,利用遗传算法生成测试用例是一个研究热点.传统方法在利用遗传算法生成测试用例时,需要计算每个个体的适应度.为了降低适应度计算的时间消耗并重用测试用例,提出一种融入支持向量机回归模型的测试用例生成与重用的方法.在使用遗传算法生成测试用例的过程中,利用一定数量的个体及其适应度作为样本训练支持向量机回归模型.在之后的种群进化中,根据回归模型计算个体适应度,同时利用回归模型查找适应度较高的个体并重用到新种群的进化中.在某大型程序实验中,该方法与同类经典方法相比,覆盖率提高了3%,平均进化代数也有所降低,其降低百分比达85.97%.

关键词: 测试用例, 测试重用, 支持向量机, 遗传算法, 适应度

Abstract:

In the field of software testing, it is a hot research spot to generate test cases using genetic algorithm. In the traditional process of generating test cases by genetic algorithm, it is necessary to calculate the fitness of each individual. In order to reduce the time consumption of fitness calculation and reuse test cases, a test case generation and reuse method based on support vector machine regression model is proposed. In the process of using genetic algorithm to generate test cases, a certain number of individuals and their fitness are used as samples to train the support vector machine regression model. In the subsequent population evolution, individual fitness is calculated according to the regression model. At the same time, individuals with higher fitness are found by the regression model and applied to the evolution of the new population. In the experiment on a large program, compared with that of the same classical method, the coverage rate of this approach is increased by 3% and the average evolutional time is also reduced by 85.97%.

Key words: test case, test reuse, support vector machine, genetic algorithm, fitness

中图分类号:

TP311

钱忠胜, 俞情媛, 宋涛, 朱懿敏, 祝洁, 赵畅. 基于支持向量机回归模型的测试用例生成与重用[J]. 电子学报, 2021, 49(7): 1386-1391.

Zhong-sheng QIAN, Qing-yuan YU, Tao SONG, Yi-min ZHU, Jie ZHU, Chang ZHAO. Test Case Generation and Reuse Based on Support Vector Machine Regression Model[J]. Acta Electronica Sinica, 2021, 49(7): 1386-1391.

图/表 6

参考文献 5

1	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［J］. 软件学报， 2016， 27（4）： 828 - 838.
	YAO Xiang‑juan， GONG Dun‑wei， LI Bin. Evolutional test data generation for path coverage by integrating neural network［J］. Journal of Software， 2016， 27（4）： 828 - 838. （in Chinese）
2	姜淑娟，王令赛，薛猛，等. 基于模式组合的粒子群优化测试用例生成方法［J］. 软件学报， 2016， 27（4）： 785 - 801.
	JIANG Shu‑juan， WANG Ling‑sai， XUE Meng， et al. Test case generation based on combination of schema using particle swarm optimization［J］. Journal of Software， 2016， 27（4）： 785 - 801. （in Chinese）
3	丁蕊，董红斌，张岩，等. 基于关键点路径的快速测试用例自动生成方法［J］. 软件学报， 2016， 27（4）： 814 - 827.
	DING Rui， DONG Hong‑bin， ZHANG Yan， et al. Fast automatic generation method for software testing data based on key⁃point path［J］. Journal of Software， 2016， 27（4）： 814 - 827（in Chinese）
4	夏春艳，张岩，万里，等. 基于否定选择遗传算法的路径覆盖测试数据生成［J］. 电子学报， 2019， 47（12）： 2630 - 2638.
	XIA Chun‑yan， ZHANG Yan， WAN Li， et al. Test data generation of path coverage based on negative selection genetic algorithm［J］. Acta Electronica Sinica， 2019， 47（12）： 2630 - 2638. （in Chinese）
5	Nhyuk C， Hyunggoy O， Young‑Woo L， Sungho K. Test resource reused debug scheme to reduce the post⁃silicon debug cost［J］. IEEE Transactions on Computers， 2018， 67（12）： 1835 - 1839.

程序编号	待测程序	代码行	函数个数	简单功能描述
1	Triangle	15	1	三角形判定
2	Bubblesort	15	1	冒泡排序
3	Gobang	265	6	五子棋赢棋算法
4	Check	209	13	个人信息校验算法
5	Datahand	462	14	银行数据处理
6	Space	972	35	字符串语言解释器
7	Go	1233	39	抽象策略性游戏
8	SpiceAlgo	2880	65	桌面交互部分算法
9	Noark	26010	285	游戏服务器端框架
10	Spice	149050	7254	虚拟桌面交互系统

程序编号	待测程序	代码行	函数个数	简单功能描述
1	Triangle	15	1	三角形判定
2	Bubblesort	15	1	冒泡排序
3	Gobang	265	6	五子棋赢棋算法
4	Check	209	13	个人信息校验算法
5	Datahand	462	14	银行数据处理
6	Space	972	35	字符串语言解释器
7	Go	1233	39	抽象策略性游戏
8	SpiceAlgo	2880	65	桌面交互部分算法
9	Noark	26010	285	游戏服务器端框架
10	Spice	149050	7254	虚拟桌面交互系统

待测程序	各种方法	覆盖率（%）		平均进化代数		平均进化代数降低百分比（%）
待测程序	各种方法	参数同本文法	参数同对比法	参数同本文法	参数同对比法	参数同本文法	参数同对比法
1	文献［2］	/	100	/	70.90	85.85	85.85
1	本文方法	100	/	10.03	/	85.85	85.85
2	文献［3］	100	100	10.34	10.08	10.54	4.07
2	本文方法	100	100	9.25	9.67	10.54	4.07
6	文献［4］	100	100	91.30	83.68	76.78	72.96
6	本文方法	100	100	21.20	22.63	76.78	72.96
10	文献［1］	94	93	286.52	295.67	85.97	76.90
10	本文方法	97	96	40.20	68.30	85.97	76.90

待测程序	各种方法	覆盖率（%）		平均进化代数		平均进化代数降低百分比（%）
待测程序	各种方法	参数同本文法	参数同对比法	参数同本文法	参数同对比法	参数同本文法	参数同对比法
1	文献［2］	/	100	/	70.90	85.85	85.85
1	本文方法	100	/	10.03	/	85.85	85.85
2	文献［3］	100	100	10.34	10.08	10.54	4.07
2	本文方法	100	100	9.25	9.67	10.54	4.07
6	文献［4］	100	100	91.30	83.68	76.78	72.96
6	本文方法	100	100	21.20	22.63	76.78	72.96
10	文献［1］	94	93	286.52	295.67	85.97	76.90
10	本文方法	97	96	40.20	68.30	85.97	76.90

[1]	范书平, 万里, 姚念民, 张岩, 马宝英. 基于关键用例获取的测试用例排序方法[J]. 电子学报, 2022, 50(1): 149-156.
[2]	杨国为, 万鸣华, 赖志辉, 张凡龙, 黄伟强. 具有合适拒识机制的高正确识别率分类器设计[J]. 电子学报, 2021, 49(8): 1569-1576.
[3]	罗忠涛, 夏杭, 卢琨, 何子述. 超视距雷达中距离-多普勒图的瞬态干扰自动识别方法[J]. 电子学报, 2021, 49(7): 1279-1285.
[4]	张芳鑫, 王法松, 李睿, 左婷. GSSK‑VLC系统中基于SVM的LED选择算法[J]. 电子学报, 2021, 49(7): 1400-1405.
[5]	刘芳, 韩笑. 基于小波变换和深度网络的着陆地貌图像分类[J]. 电子学报, 2021, 49(11): 2171-2176.
[6]	刘焕淋, 黄美娜, 陈勇, 杨健, 黄冰川, 张彤. 基于NOMA技术的PLC-VLC用户配对和子载波分配方法[J]. 电子学报, 2021, 49(10): 1952-1959.
[7]	金泽芬芬, 侯志强, 余旺盛, 王鑫, 寇人可. 基于量子遗传算法的视觉目标跟踪[J]. 电子学报, 2020, 48(8): 1493-1501.
[8]	郭广颂, 陈良骥, 文振华, 张勇. 求解高维混合指标优化问题的交互式进化计算[J]. 电子学报, 2020, 48(7): 1361-1368.
[9]	范书平, 张岩, 马宝英, 万里, 姚念民, 宋妍. 基于均衡优化理论的路径覆盖测试数据进化生成[J]. 电子学报, 2020, 48(7): 1303-1310.
[10]	薛河, 苟思育, 倪陈强. 紧凑拉伸试样参比电位差接线点布局的优化方法[J]. 电子学报, 2020, 48(7): 1396-1402.
[11]	徐超群, 易忠, 孟立飞, 刘超波, 黄魁. 基于遗传算法的卫星磁模型研究[J]. 电子学报, 2020, 48(6): 1108-1112.
[12]	唐香琼, 黄春跃, 梁颖, 匡兵, 赵胜军. 基于再流焊冷却过程应力分析的板极组件BGA焊点参数优化[J]. 电子学报, 2020, 48(6): 1117-1123.
[13]	史聪伟, 赵杰煜, 陈瑜. 利用网格卷积特征的三维形变目标分类[J]. 电子学报, 2020, 48(4): 648-653.
[14]	张学军, 景鹏, 何涛, 孙知信. 基于变分模态分解的癫痫脑电信号分类方法[J]. 电子学报, 2020, 48(12): 2469-2475.
[15]	梁颖, 黄春跃, 邹涯梅, 高超, 匡兵. 基于扭转载荷的微尺度CSP焊点应力应变分析与优化[J]. 电子学报, 2020, 48(10): 2033-2040.