引导测试用例生成的有效评价机制研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引言 | 第8-13页 |
| ·选题的背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文的研究工作 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 2 软件测试及测试用例的自动生成 | 第13-19页 |
| ·软件测试 | 第13-16页 |
| ·软件测试的定义 | 第13页 |
| ·软件测试的目的 | 第13-14页 |
| ·软件测试的原则 | 第14-15页 |
| ·软件测试技术的分类 | 第15-16页 |
| ·测试用例的生成技术 | 第16-18页 |
| ·面向功能的测试用例生成 | 第16-17页 |
| ·面向结构的测试用例生成 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 用于测试用例生成的智能算法 | 第19-31页 |
| ·用于测试用例的智能算法简介 | 第19-20页 |
| ·遗传算法 | 第20-24页 |
| ·遗传算法的基本思想 | 第20-21页 |
| ·遗传算法的基本流程 | 第21页 |
| ·遗传算法常用的编码方法 | 第21-22页 |
| ·遗传算法的适应度函数 | 第22-23页 |
| ·遗传算法中的选择算子 | 第23页 |
| ·遗传算法中的交叉算子 | 第23-24页 |
| ·遗传算法中的变异算子 | 第24页 |
| ·粒子群优化算法 | 第24-27页 |
| ·粒子群优化算法的基本思想 | 第24-25页 |
| ·粒子群优化算法的基本流程 | 第25-26页 |
| ·标准的粒子群优化算法 | 第26-27页 |
| ·离散型的粒子群优化算法 | 第27页 |
| ·分布估计算法 | 第27-29页 |
| ·分布估计算法的基本思想 | 第28页 |
| ·分布估计算法的基本流程 | 第28页 |
| ·分布估计算法中的关键问题 | 第28-29页 |
| ·基于智能算法的测试用例自动生成 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 对测试用例评价机制的改进 | 第31-35页 |
| ·分支函数中的评价方法 | 第31-32页 |
| ·分支函数评价方法的缺陷及改进思想的直观描述 | 第32-33页 |
| ·改进后的测试用例评价机制 | 第33-34页 |
| ·基于评价机制的整体适应度函数 | 第34页 |
| ·本章小结 | 第34-35页 |
| 5 实验设计及实验结果分析 | 第35-46页 |
| ·实验环境、实验的目的和实验内容 | 第35页 |
| ·实验方案的设计和具体做法 | 第35-43页 |
| ·实验的准备工作 | 第35-39页 |
| ·实验方案的设计 | 第39-43页 |
| ·实验结果的比较与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 6 总结与展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 个人简介 | 第50-51页 |
| 导师简介 | 第51-52页 |
| 获得成果目录清单 | 第52-53页 |
| 致谢 | 第53页 |
