利用遗传算法生成基于MC/DC的回归测试数据
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.2 国内外研究历程与现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 软件测试相关研究 | 第19-27页 |
| 2.1 软件测试 | 第19-22页 |
| 2.1.1 软件测试的概念及目的 | 第19-20页 |
| 2.1.2 软件测试的方法 | 第20-21页 |
| 2.1.3 测试用例设计 | 第21-22页 |
| 2.2 回归测试 | 第22-25页 |
| 2.2.1 回归测试相关概念 | 第22-23页 |
| 2.2.2 回归测试策略 | 第23-24页 |
| 2.2.3 回归测试用例选择技术研究 | 第24页 |
| 2.2.4 回归测试用例生成 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于MC/DC准则的目标条件组合生成方法 | 第27-39页 |
| 3.1 相关概念 | 第27-29页 |
| 3.2 MC/DC最小用例集生成 | 第29-34页 |
| 3.2.1 唯一原因法 | 第29-30页 |
| 3.2.2 屏蔽法 | 第30-31页 |
| 3.2.3 关键路径法 | 第31-33页 |
| 3.2.4 三者比较 | 第33-34页 |
| 3.3 不可用条件组合的检测 | 第34-36页 |
| 3.3.1 计算数据流信息 | 第35页 |
| 3.3.2 根据数据流信息检测不可用条件组合 | 第35-36页 |
| 3.4 目标条件组合确定 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 采用遗传算法生成回归测试数据 | 第39-47页 |
| 4.1 遗传算法概述 | 第39-41页 |
| 4.1.1 算法发展 | 第39页 |
| 4.1.2 标准遗传算法 | 第39-41页 |
| 4.2 遗传算法的实现 | 第41-46页 |
| 4.2.1 编码方法 | 第41页 |
| 4.2.2 适应度函数设计 | 第41-44页 |
| 4.2.3 将目标条件组合进行排序 | 第44-45页 |
| 4.2.4 初始种群的筛选 | 第45页 |
| 4.2.5 确定遗传操作分量 | 第45-46页 |
| 4.3 采用遗传算法生成测试数据的基本流程 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实例验证 | 第47-57页 |
| 5.1 示例代码 | 第47-49页 |
| 5.2 原始程序的测试数据 | 第49-50页 |
| 5.3 确定程序的目标条件组合并对其排序 | 第50-54页 |
| 5.3.1 判定中未覆盖的条件组合的确定 | 第50-51页 |
| 5.3.2 判定的目标条件组合的确定 | 第51-54页 |
| 5.3.3 程序的目标条件组合的确定 | 第54页 |
| 5.4 初始种群的筛选及遗传操作分量的确定 | 第54页 |
| 5.5 设置遗传策略 | 第54页 |
| 5.6 结果对比分析 | 第54-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者攻读学位期间的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
