基于人工蜂群优化算法的测试用例生成及优先级排序
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 测试用例的自动生成 | 第10页 |
| 1.2.2 测试用例优先级排序 | 第10-11页 |
| 1.2.3 人工蜂群算法 | 第11-12页 |
| 1.3 主要研究问题与内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 相关理论 | 第14-24页 |
| 2.1 测试用例概述 | 第14-15页 |
| 2.2 测试用例生成 | 第15-17页 |
| 2.2.1 传统测试用例生成方法 | 第15-16页 |
| 2.2.2 基于搜索算法的测试用例生成 | 第16-17页 |
| 2.3 测试用例优先级排序 | 第17-21页 |
| 2.3.1 多目标优化 | 第18-19页 |
| 2.3.2 优先级排序准则 | 第19-20页 |
| 2.3.3 多目标的测试用例优先级排序 | 第20-21页 |
| 2.4 人工蜂群算法 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于IAG-ABC算法的测试用例生成 | 第24-34页 |
| 3.1 IAG-ABC算法 | 第24-26页 |
| 3.1.1 IAG-ABC中的遗传算法 | 第24-25页 |
| 3.1.2 IAG-ABC中的人工蜂群算法 | 第25-26页 |
| 3.2 基于IAG-ABC算法的测试用例生成方法 | 第26-29页 |
| 3.2.1 测试用例生成方法的总体框架 | 第26-27页 |
| 3.2.2 适应度函数的设计 | 第27-28页 |
| 3.2.3 IAG-ABC算法流程 | 第28-29页 |
| 3.3 实验及结果分析 | 第29-33页 |
| 3.3.1 实验对象 | 第29-30页 |
| 3.3.2 实验结果分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于MOABCO的测试用例优先级排序 | 第34-48页 |
| 4.1 MOABCO算法 | 第34-37页 |
| 4.1.1 精英解集及全局最优解更新策略 | 第34-35页 |
| 4.1.2 最优个体引导差分变异的局部搜索 | 第35-36页 |
| 4.1.3 基于信息熵的蜜源选择 | 第36-37页 |
| 4.1.4 蜜源个体编码 | 第37页 |
| 4.2 优化目标 | 第37-38页 |
| 4.3 算法基本流程 | 第38-39页 |
| 4.4 实验结果分析 | 第39-47页 |
| 4.4.1 算法性能 | 第39-45页 |
| 4.4.2 测试用例排序 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的研究成果 | 第56页 |
