| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题的目的和意义 | 第9页 |
| ·国内外的研究现状 | 第9-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的章节安排 | 第12-14页 |
| 第二章 软件测试的基本技术 | 第14-25页 |
| ·软件测试的基本概念 | 第14页 |
| ·软件测试的目标 | 第14-16页 |
| ·软件测试的原则 | 第16-17页 |
| ·软件测试方法的分类 | 第17-22页 |
| ·单元测试 | 第17-18页 |
| ·黑盒测试 | 第18-20页 |
| ·白盒测试 | 第20-21页 |
| ·静态测试 | 第21页 |
| ·动态测试 | 第21-22页 |
| ·测试用例生成技术的分类 | 第22-24页 |
| ·面向功能的测试用例自动生成技术 | 第22页 |
| ·面向路径的测试用例生成技术 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 遗传算法 | 第25-32页 |
| ·遗传算法简介 | 第25页 |
| ·遗传算法的原理 | 第25-26页 |
| ·遗传算法的编码技术 | 第26-28页 |
| ·二进制编码方法 | 第27页 |
| ·格雷码编码方法 | 第27-28页 |
| ·浮点数编码方法 | 第28页 |
| ·符号编码方法 | 第28页 |
| ·适应度函数 | 第28-29页 |
| ·适应度函数和目标函数 | 第28-29页 |
| ·适应度函数的作用 | 第29页 |
| ·适应度函数的设计准则 | 第29页 |
| ·选择算子 | 第29-30页 |
| ·比例选择 | 第29-30页 |
| ·最优保存策略 | 第30页 |
| ·交叉算子 | 第30页 |
| ·变异算子 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 贝叶斯网络 | 第32-43页 |
| ·常用概率论的相关理论 | 第32-33页 |
| ·贝叶斯网络的基本概念 | 第33-34页 |
| ·贝叶斯学习 | 第34-42页 |
| ·最大似然估计 | 第34-36页 |
| ·贝叶斯估计 | 第36-38页 |
| ·贝叶斯网络的结构学习 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于贝叶斯网络和遗传算法的测试用例自动生成 | 第43-52页 |
| ·基于贝叶斯网络和遗传算法的测试用例生成算法的模型 | 第43-45页 |
| ·基于贝叶斯网络和遗传算法的测试用例生成算法的实现 | 第45-50页 |
| ·遗传算法参数编码的策略 | 第45-47页 |
| ·适应度函数的设计 | 第47-48页 |
| ·遗传算法的选择运算 | 第48-49页 |
| ·遗传算法的交叉运算 | 第49页 |
| ·遗传算法的变异运算 | 第49-50页 |
| ·遗传算法的终止条件 | 第50页 |
| ·贝叶斯网络的学习 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 算法的实验与分析 | 第52-66页 |
| ·实验设计分析 | 第52页 |
| ·实验程序分析 | 第52-54页 |
| ·实验程序插桩 | 第54-55页 |
| ·实验效果与分析 | 第55-65页 |
| ·实验 1 | 第55页 |
| ·实验 2 | 第55-62页 |
| ·实验 3 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| ·论文总结 | 第66页 |
| ·下一步工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72页 |
