基于相似路径的动态引导测试数据生成策略

摘要

为了有效提高满足路径覆盖的测试数据质量,提出一种利用相似路径间启发信息的引导测试数据生成策略。首先,对初始测试数据与路径节点间的覆盖情况进行分析,区分出难易覆盖路径;其次,设计了一种路径相似度的计算方法,分析得出路径相关启发信息,并将该启发信息用于遗传算法寻优过程中;然后,构造带有权重影响因子的适应度评价函数,结合保留精英个体思想,设计自适应遗传算子并定向引导个体交叉变异;最后,将该策略应用于多个基准程序和工业程序,并与Ahmed方法、多路径覆盖方法和EGA方法比较。仿真实验结果表明,该策略在运行时间、路径覆盖率和已有测试数据的利用率上均有优势。