买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛科技大学

摘要：本发明公布了一种基于代理辅助可变多目标优化的路径覆盖测试方法，旨在提升测试用例生成的有效性与效率。具体步骤如下：1，建立与更新并行程序路径覆盖的测试用例生成问题的可变多目标优化模型，用于高有效性地引导测试用例的生成；2，基于智能优化算法求解可变多目标优化模型一定代数后，确定每条难覆盖的目标子路径，并形成样本集，为重点提高难覆盖目标子路径的测试效率奠定基础；3，基于形成的样本集，管理与每条难覆盖目标子路径对应的代理模型，并选择优越进化个体，用于实际执行并行程序，大幅约减程序的执行次数和成本。

主权项：1.本发明提出了一种基于代理辅助可变多目标优化的路径覆盖测试方法，用于提升测试用例生成的有效性与效率，其特征在于如下步骤：步骤一：可变多目标优化模型的建立与更新基于子路径相似度，转换子路径覆盖测试用例生成问题为最大优化问题，并建立面向目标子路径的目标优化模型；面向一条目标路径中所有目标子路径，将所有目标子路径的目标优化模型合并在一起，用于建立可变多目标优化模型；基于非支配排序遗传算法进化种群一定代数后，从建立的多目标优化模型中，删除已覆盖目标子路径的目标优化函数，更新可变多目标优化模型；步骤二：难覆盖目标子路径的确定和样本集的形成基于种群内每一进化个体执行程序，计算面向目标路径的多目标函数值，并存储每一进化个体和目标路径的多目标函数值；判断是否生成了覆盖目标路径的测试用例，如果未能成功生成测试用例，那么更新由非支配排序遗传算法求解的非支配解集；随机选择非支配解集内一个解，作为最优进化个体，并把最优进化个体未覆盖的目标子路径，确定为难覆盖目标子路径；分析难覆盖目标子路径的相关变量值，并与目标函数值一起形成样本集；步骤三：代理模型的管理和优越进化个体选择代理模型的管理分为训练、应用和更新三个环节；基于每一形成的样本集，训练一个代理模型，用于估计种群中每一进化个体的目标函数值；选择具有最高目标函数估计值的进化个体、所有目标函数估计值总和最大的进化个体为种群中优越进化个体；基于选择的优越进化个体，真实执行并行程序，得到实际的目标函数值；将优越进化个体和实际目标函数值补充至样本集，用于更新代理模型。

全文数据：

权利要求：

百度查询： 青岛科技大学 一种基于代理辅助可变多目标优化的路径覆盖测试方法