首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

回归测试中的测试用例优先排序算法研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 研究现状第11-13页
        1.2.1 测试用例优先排序研究现状第11-12页
        1.2.2 基于时间感知的测试用例优先排序研究现状第12页
        1.2.3 多目标优化的测试用例优先排序研究现状第12-13页
    1.3 论文的主要研究内容第13-14页
    1.4 论文的组织结构第14-15页
    1.5 本章小结第15-16页
第2章 理论知识介绍第16-30页
    2.1 白盒测试简介第16-18页
        2.1.1 白盒测试基本概念第16页
        2.1.2 白盒测试的覆盖准则第16-18页
    2.2 贪心策略第18-21页
        2.2.1 Total策略第19-20页
        2.2.2 Additional策略第20-21页
    2.3 遗传算法第21-25页
    2.4 粒子群优化算法第25-27页
    2.5 线性规划和整数线性规划第27-29页
        2.5.1 线性规划第27-28页
        2.5.2 整数线性规划第28-29页
    2.6 本章小结第29-30页
第3章 基于遗传算法的白盒测试用例优先排序第30-44页
    3.1 测试用例优先排序的数学模型第30-32页
        3.1.1 问题描述第30页
        3.1.2 测试用例优先排序评测指标第30-32页
    3.2 测试用例优先级问题求解第32-39页
        3.2.1 编码及种群初始化第32页
        3.2.2 佳点集的概念和特性第32-33页
        3.2.3 选择算子第33-35页
        3.2.4 交叉算子第35-38页
        3.2.5 变异算子第38页
        3.2.6 遗传算法基本流程第38-39页
    3.3 实验分析第39-42页
        3.3.1 实验设计第39页
        3.3.2 结果与分析第39-42页
    3.4 本章小结第42-44页
第4章 基于时间感知的测试用例优先排序第44-56页
    4.1 基于时间感知的测试用例优先排序问题描述第44页
    4.2 求解基于时间感知的测试用例优先排序的混合算法第44-45页
    4.3 测试用例选择第45-47页
        4.3.1 决策变量第45-46页
        4.3.2 目标函数第46页
        4.3.3 约束系统第46-47页
        4.3.4 测试用例再选择第47页
    4.4 测试用例优先排序第47-51页
        4.4.1 遗传算法框架第47-48页
        4.4.2 适应度函数第48-49页
        4.4.3 选择操作第49-50页
        4.4.4 交叉操作第50页
        4.4.5 变异操作第50-51页
    4.5 算法分析第51页
    4.6 实证研究第51-55页
        4.6.1 实验设计第51-52页
        4.6.2 实验分析第52-55页
        4.6.3 实验总结第55页
    4.7 本章小结第55-56页
第5章 多目标优化的测试用例优先排序第56-66页
    5.1 多目标测试用例优先排序建模第56-58页
        5.1.1 问题描述第56-57页
        5.1.2 多目标测试用例优先排序评测指标第57-58页
    5.2 多目标测试用例优先排序求解第58-61页
        5.2.1 编码及粒子群初始化第58页
        5.2.2 粒子速度及位置的更新第58-60页
        5.2.3 全局最优粒子更新第60-61页
    5.3 实验结果与分析第61-64页
        5.3.1 实验设计第61页
        5.3.2 实验结果分析第61-64页
    5.4 本章小结第64-66页
第6章 原型工具设计与实现第66-72页
    6.1 原型工具的设计第66-67页
        6.1.1 功能描述第66-67页
        6.1.2 测试用例优先排序核心部分类图第67页
    6.2 原型工具的实现第67-71页
    6.3 本章小结第71-72页
第7章 总结与展望第72-74页
    7.1 相关工作总结第72-73页
    7.2 研究展望第73-74页
参考文献第74-78页
攻读硕士期间取得的研究成果第78-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:宽带载波用电信息采集系统的采集器研制
下一篇:基于深度学习的交通信息预测模型研究及系统实现