导读:本文包含了测试序列优化论文开题报告文献综述及选题提纲参考文献，主要关键词:DPSO-AO~*算法,测试序列优化,最优测试策略决策树
测试序列优化论文文献综述
王丽丽,林海,包亮,万贺[1]（2019）在《基于DPSO-AO~*算法系统测试序列优化问题研究》一文中研究指出为了使复杂装备信息处理系统在进行故障定位过程中耗时最少、成本最低,建立了系统测试序列优化问题的数学模型。基于DPSO-AO~*算法的改进,得到信息处理系统的最优测试策略决策树,根据信息处理系统的相关矩阵,按故障概率,随机生成故障,采用相应的测试序列进行测试,最后利用累计测试费用进行比较,从而证明了改进的DPSO-AO~*算法正确有效。(本文来源于《测控技术》期刊2019年05期）
窦磊,李耀,郭进,童音,兰浩[2]（2019）在《列控车载设备安全功能测试序列优化方法研究》一文中研究指出列控系统测试序列优化问题可以转换成旅行商问题(TSP),在求解TSP时,用改良圈(IC)算法难以得出最优解,而模拟退火(SA)算法计算迭代次数多,为解决这一问题,提出一种基于SA优化IC算法的测试序列优化方法。首先,以车载设备模式转换功能为例,介绍基于TSP的测试序列生成方法;然后,说明SA优化IC算法的步骤和流程;最后,引入实例,并将其转换成TSP,采用SA算法优化IC算法求解TSP,并得到测试序列。结果表明:该算法较IC算法的结果更优,迭代次数较SA算法迭代次数降低了27. 54%,该方法可有效优化测试序列。(本文来源于《中国安全科学学报》期刊2019年05期）
张悦宁[3]（2019）在《基于进化优化的类集成测试序列生成方法研究》一文中研究指出当今世界,信息技术飞速发展,计算机软件在人们生活中变得不可或缺,软件的质量对日常生活甚至社会发展都会产生重大影响。人们对软件产品的依赖程度越来越深,对软件质量的要求也越来越高。对软件生产者来说,低质量的软件会因维护成本高丧失市场竞争力,而高质量的软件能够赢得消费者的信赖从而带来更好的经济效益。软件测试成为了保证软件质量的重要手段,通过软件测试,测试人员可以及时地发现软件缺陷并提交纠正。在软件测试过程中,集成测试是为了检测各模块之间能否正常地协同工作。类是面向对象程序的基本单位,且类间存在依赖关系。按照不同的顺序测试类,测试代价也是不同的。所以测试人员需要确定一个合理的类测试序列,以期减小测试代价。研究者们提出了多种方法生成类集成测试序列。然而,某些基于启发式算法的方法还存在一些不足,比如寻优能力不强导致生成的类集成测试序列的测试代价还比较大。本文对现存的某些不足进行了优化改进,提出了两个类集成测试序列生成方法。遗传算法和粒子群优化算法随机初始化种群导致进化带有盲目性,对此本文提出了一种基于初始种群优化的类集成测试序列生成方法。首先,引入一个约束条件:不允许打破类间的强依赖关系。然后,提出多叉树的构建算法,组成多叉树森林。最后,按随机顺序层次遍历森林中的每棵多叉树,生成满足约束条件的个体并组成初始种群。实验结果表明,该方法能够在不失随机性的同时生成整体质量较高的初始种群,引导遗传算法和粒子群优化算法生成测试代价更小的类集成测试序列。粒子群优化算法在进化过程中容易早熟,本文提出了一种基于梦境粒子群优化算法的类集成测试序列生成方法。类测试序列作为粒子且有做梦能力,每次进化分为两个阶段——白天和夜间。白天阶段,粒子从前一晚的位置正常移动。夜间阶段,粒子进入梦境,根据各自做梦能力扭曲当前位置。如此,粒子能够在当前位置附近进行搜索。算法的收敛速度减缓,避免过早陷入局部最优。实验结果表明,该方法生成的类集成测试序列的测试代价较小。此外,实现了一个针对Java程序的类集成测试序列生成工具EvoCITO,该工具使用本文提出的两种方法生成类集成测试序列。(本文来源于《中国矿业大学》期刊2019-05-01）
张悦宁,姜淑娟,张艳梅[4]（2019）在《基于梦境粒子群优化的类集成测试序列生成方法》一文中研究指出类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从而减小测试代价。针对粒子群优化算法容易早熟的缺陷,文中提出一种基于梦境粒子群优化算法的类集成测试序列生成方法。首先把每个类集成测试序列映射为一维空间中的一个粒子,然后将粒子看作有做梦能力的个体。每个迭代周期分为白天和夜间两个阶段,在白天阶段粒子正常移动,而在夜间阶段粒子根据各自的做梦能力扭曲当前位置。如此,粒子有机会在当前位置附近进行搜索,使得算法减缓收敛速度,避免过早陷入局部最优。实验结果表明,多数情况下该方法可以得到测试代价更小的类集成测试序列。(本文来源于《计算机科学》期刊2019年02期）
袁磊,甘庆鹏,李开成,付强[5]（2018）在《基于深度学习与遗传算法的动车组与ATP车载设备接口试验测试序列优化生成》一文中研究指出接口型式试验验证不同类型ATP车载设备与不同型号动车组之间接口的适配性与安全性,而其测试序列设计和优化对在有限试验资源下高效、安全地完成试验十分重要。目前,接口型式试验的测试序列主要基于经验人工编写形成,测试项的有效性和测试序列的优化衡量等方面存在较多问题。本文研究了接口型式试验的测试序列的优化生成方法,利用深度学习算法与遗传算法,针对测试序列的生成与优化进行建模,设计测试序列的生成与优化两个相互联系的过程,综合地在序列解空间中寻找次优解,以得到期望的测试序列。基于型式试验现场数据进行了仿真与分析,论述了本文策略的有效性。(本文来源于《铁道学报》期刊2018年03期）
上官伟,张凤娇,蔡伯根,王剑[6]（2017）在《基于萤火虫-免疫算法的CVIS测试序列优化方法》一文中研究指出为了对车路协同系统的功能进行有效测试,提高测试效果,对测试序列优化方法进行了研究。通过对车路协同系统进行功能需求分析,构建包含多交叉路口、多路段、多车的车路协同系统典型应用仿真场景,并对典型场景利用故障树分析的方法进行功能特征分析,建立基于系统功能特征的系统测试用例,研究车路协同的功能特征,生成的测试用例进行带端口标记的时间输入/输出自动机建模,并用建模工具UPPAAL完成建模实现,利用UPPAAL建模工具的测试序列生成模块,完成基于带端口标记的时间输入/输出自动机的测试序列的自动生成,得到针对车路协同系统仿真测试的测试序列。着重设计运用萤火虫算法和免疫算法对已经生成的测试序列进行优化,并且从序列覆盖度、冗余度、快速性方面对测试效果做出了评估。研究结果表明:当示例场景状态数较多时,优化算法能保证测试序列的覆盖度为100%,且能降低测试冗余82%,缩短测试时间约为10s;基于萤火虫-免疫算法的测试序列优化方法在测试冗余的降低上卓有成效,且优化算法较时间自动机而言能够更快更有效地降低测试冗余,优化算法的测试效果明显优于时间自动机生成的原始序列;通过对测试冗余的降低实现测试效率的提高具有可行性。(本文来源于《中国公路学报》期刊2017年11期）
莫进鹏[7]（2017）在《基于依赖关系与切片的测试序列优化研究》一文中研究指出软件测试过程中由于测试用例间存在依赖关系,导致用例执行顺序对测试结果产生一定影响。现有的针对测试用例序列优化的研究,基本上是集中于如何采用最小化的测试用例集来达到最高的覆盖率,或是通过对每个测试用例赋予不同的权值来表示测试用例的重要程度,而对于测试用例之间的相互影响(依赖关系)分析较少。针对测试用例执行过程中由依赖关系所引起的错误测试结果,本文提出了一种基于依赖关系切片的测试序列生成方法(GSODS)。通过提取测试用例集对应的依赖关系构造依赖关系环集,以最大切环方式迭代分割,得到一个不含依赖关系环的测试用例切片,重复该步骤直至获得所有测试用例切片;对测试用例切片集,求出切片内各测试用例的节点依赖值并逆序排列,生成测试序列。本文主要工作如下:(1)获取测试用例切片:在划分切片前,建立数据库应用系统中测试冲突对测试用例的影响,完成依赖关系及依赖关系环相关理论的论证。在获得切片过程中,以切环方式分割依赖关系环集,在保证分割子集满足切片准则的基础上,从数据库重置次数角度出发,尽可能地使得到的切片数量最少。(2)测试用例切片排序:在节点依赖值及一致性的基础上,研究测试用例切片内部节点依赖值的求取过程,并根据节点依赖值逆序排列测试用例切片,最终生成基于依赖关系及切片的优化序列。(3)方法分析与实验:分析本方法的时间复杂度与空间复杂度,并与已知方法比较。对于测试序列优化效果,选取实际数据和模拟数据,以额外数据库重置次数量化优化效率。理论分析与实验结果表明,相比于现有的测试序列优化方法,本方法的时间开销会少量增加,但有效地减少了数据库额外重置次数,从而优化了数据库系统的测试序列,提高测试效率。(本文来源于《湖南大学》期刊2017-05-10）
甘庆鹏[8]（2017）在《ATP车载设备与动车组接口型式试验测试序列的优化生成研究》一文中研究指出近年来,我国高速铁路快速发展,对高速列车运行控制的安全保障显得尤为重要。作为高速列车主控设备,ATP(Automatic Train Protection)车载设备监控列车运行速度,保证行车安全,提高运输效率。ATP车载设备与动车组之间有众多的接口,ATP车载设备与动车组接口型式试验(简称接口型式试验)验证此类接口的适配性和安全性,同时为接口的功能和性能分析提供原始数据,为新型动车组的定型提供技术支撑,属于高速列车运行控制系统(简称列控系统)现场测试中的一类重要试验。接口型式试验测试序列是测试计划与试验执行的基础。目前,测试序列的编写工作主要由试验专家根据经验、试验列车与ATP车载设备的型号、试验线路数据以及测试需求等来手工完成。为了克服试验专家人工编写接口型式试验测试序列的过程中存在的不符合测试需求、测试项不可用、试验执行的安全性等潜在问题,定性定量地衡量测试序列优劣程度,提高测试序列的生成效率,本文研究了接口型式试验的测试序列的优化生成方法,主要完成以下工作:(1)根据专家经验与测试需求,总结提出了测试序列生成的有效性与安全性原则、冗余度与覆盖度要求、时间与能耗的优化目标;(2)设计了基于深度学习的测试序列更新过程与基于遗传算法的测试序列优化过程相结合的测试序列优化生成策略,对测试序列生成、更新与优化过程建模,寻找基于测试序列综合指标的次优解,以得到符合期望的测试序列;(3)基于MATLAB仿真程序平台,对设计的测试序列优化生成算法策略的各部分算法分别进行了仿真、分析与验证。结果表明,测试序列的更新过程能够有效地按照预定的规则更新序列中不适用的测试项,结合测试序列的优化过程能够生成较优的符合预期目标的测试序列。基于实际的接口型式试验的相关数据的对比分析进一步论述了本文设计的策略的有效性;(4)基于C#语言,利用仿真得到的相关算法参数,开发了通用形式的接口型式试验的测试序列辅助生成平台,可用于实际试验的测试序列生成。(本文来源于《北京交通大学》期刊2017-04-01）
胡玉婷[9]（2016）在《基于改进差分进化算法的测试序列优化技术研究》一文中研究指出近年来,许多重要的电子设备如火箭发射系统、卫星导弹系统、雷达探测系统的集成度不断提高,其内部结构和功能复杂度也不断加大。这对系统的故障检测和诊断提出了更高的技术要求。其中测试序列设计就是故障诊断过程中必须要解决的NP-complete。传统的测试序列优化方法存在着测试时间太长、难以自动生成故障决策树或无法满足测试性指标等大量问题,已经不适合对复杂系统进行故障诊断。差分进化(DE)算法因其简单的结构、较少的可调参数和容易实现等特点而备受倾睐,本文利用改进的差分进化算法对多信号模型系统下建立的测试-故障矩阵进行序列设计,得到了较小的故障诊断测试代价和较少的测试点集,具有实际的工程意义。具体研究工作如下:(1)首先,在多信号流图模型下对最优测试序列问题进行数学建模,以此为基础构造了测试序列问题的参数五元组(S,P,T,C,D)模型;提出用差分算法求解该问题,并对该算法进行了参数自适应改进。在不增加算法复杂度下,为寻求全局最优和收敛速率上的平衡,提出一种参数自适应惯性速度双模式差分进化算法(IDDE),通过构造双模式变异策略,给每个个体增加惯性速度项,对标准测试函数进行测试。研究显示改进的算法能有效降低算法对参数的敏感性且寻优能力更强。为差分算法的改进提供理论基础。(2)其次,为了提高差分算法的求解精度让其适应更多更复杂的问题,构造了一种由分形因子动态修正DE的尺度因子F和交叉因子CR的新算法—分形差分进化算法(FDE)。运用标准测试函数对其进行测试并和目前公认的性能较优的改进DE算法进行比较,实验表明所提算法的有效性和正确性。通过构造新型适应度评估函数,对复杂的电子系统模型进行最优测试序列设计。实验结果显示测试点减少了,测试代价降低了,具有实际的工程意义。(3)最后,针对大型电子设备内部结构过于庞大而出现故障隔离时间长和不能快速生成故障决策隔离树等问题。提出一种DE算法和AO*算法相结合的并行混合算法DE-AO*。利用DE并行优化的特点首先优选一组测试集,再通过AO*强有力的启发搜索能力并能自动生成决策树对每一步测试点进行排序,降低了系统的计算复杂度,有效避免“计算爆炸”等问题。运用该改进算法对复杂系统的故障模型进行最优测试序列研究,仿真表明能缩短故障隔离时间,降低检测代价,给测试序列优化提供了切实可用的方案。(本文来源于《江西理工大学》期刊2016-05-28）
陈涛[10]（2016）在《数据库应用系统测试用例序列优化研究》一文中研究指出软件测试在软件的生命周期中扮演着重要的角色,是保证软件质量的重要技术措施,对于查找软件缺陷、保证软件产品质量,提高测试效益具有不可替代的作用。据不完全统计,在计算机应用中,约有80%是数据库系统的应用,数据库应用系统测试一个典型的特征就是数据库的状态,它可能会随着测试用例的执行发生改变。数据库应用系统的测试用例大多会与数据库中的数据发生交互,从而改变数据库的状态,而数据库的状态被改变后很有可能对下一个测试用例的执行产生影响,导致测试失败,因此,测试用例之间是存在着依赖关系的。当数据库状态发生改变导致后面的测试用例无法继续执行时,需要通过重置操作将数据库恢复到之前的状态,然而这个操作时非常费时的,降低了测试效率。因此,如何解决因测试用例间的依赖关系导致的数据库重置是数据库应用系统测试面临的一个难题。为了解决上述问题,本文给出了一个基于数据库应用系统的测试用例序列优化的方法,具体工作如下:(1)以关系数据库表的操作为单元,对数据库操作间依赖关系产生的原因进行了分析和归纳,并给出一种依赖性识别算法,提取了数据库操作间的依赖关系,再将测试用例映射到具体表的具体操作,依据前面提取的数据库操作间的依赖关系间接地提取测试用例之间的依赖关系。(2)依据前面提取到的测试用例间依赖关系,给出一个测试用例序列优化算法,该算法基于图论的思想,将测试用例集及其依赖关系转化成有向图,通过将测试用例集划分为若干个测试用例切片的方法来打破有向图中可能存在的环路,通过该方法,测试用例间的依赖关系转变成了测试用例切片间的依赖关系,减少了顺序执行测试用例发生的冲突,从而减少了数据库重置的次数。最后,本文在上述的研究基础上,给出了一个基于数据库应用系统的测试用例序列优化框架。通过具体项目实例表明,该框架能够对测试用例序列进行排序优化,有效的避免测试用例之间的依赖关系,减少数据库重置的次数,提高测试效率。(本文来源于《湖南大学》期刊2016-05-06）
测试序列优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
列控系统测试序列优化问题可以转换成旅行商问题(TSP),在求解TSP时,用改良圈(IC)算法难以得出最优解,而模拟退火(SA)算法计算迭代次数多,为解决这一问题,提出一种基于SA优化IC算法的测试序列优化方法。首先,以车载设备模式转换功能为例,介绍基于TSP的测试序列生成方法;然后,说明SA优化IC算法的步骤和流程;最后,引入实例,并将其转换成TSP,采用SA算法优化IC算法求解TSP,并得到测试序列。结果表明:该算法较IC算法的结果更优,迭代次数较SA算法迭代次数降低了27. 54%,该方法可有效优化测试序列。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
测试序列优化论文参考文献
[1].王丽丽,林海,包亮,万贺.基于DPSO-AO~*算法系统测试序列优化问题研究[J].测控技术.2019
[2].窦磊,李耀,郭进,童音,兰浩.列控车载设备安全功能测试序列优化方法研究[J].中国安全科学学报.2019
[3].张悦宁.基于进化优化的类集成测试序列生成方法研究[D].中国矿业大学.2019
[4].张悦宁,姜淑娟,张艳梅.基于梦境粒子群优化的类集成测试序列生成方法[J].计算机科学.2019
[5].袁磊,甘庆鹏,李开成,付强.基于深度学习与遗传算法的动车组与ATP车载设备接口试验测试序列优化生成[J].铁道学报.2018
[6].上官伟,张凤娇,蔡伯根,王剑.基于萤火虫-免疫算法的CVIS测试序列优化方法[J].中国公路学报.2017
[7].莫进鹏.基于依赖关系与切片的测试序列优化研究[D].湖南大学.2017
[8].甘庆鹏.ATP车载设备与动车组接口型式试验测试序列的优化生成研究[D].北京交通大学.2017
[9].胡玉婷.基于改进差分进化算法的测试序列优化技术研究[D].江西理工大学.2016
[10].陈涛.数据库应用系统测试用例序列优化研究[D].湖南大学.2016
标签：DPSO-AO~*算法; 测试序列优化; 最优测试策略决策树;