《多目標約束下的回歸測試用例最佳化策略研究》是依託蘇州大學，由章曉芳擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多目標約束下的回歸測試用例最佳化策略研究
- 項目類別：青年科學基金項目
- 項目負責人：章曉芳
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
在回歸測試中存在著多個相互制約甚至相互衝突的最佳化目標，如測試用例的數量、代碼覆蓋率、缺陷檢測效率、測試用例的易調試性等。現有的測試用例選擇、優先權技術大多僅針對單一的最佳化目標，還不能很好地適用於多目標最佳化的測試實踐。本項目將結合軟體測試特性，針對多目標約束下的回歸測試用例最佳化技術展開研究，主要內容包括：(1)根據測試歷史和當前測試實踐，結合動態反饋信息，設定或調整約束條件、目標函式和最佳化策略，建立多目標測試用例選擇問題的動態最佳化模型。(2)根據不同最佳化模型的特點，選用合適的多目標規劃法或進化多目標最佳化算法求解測試用例選擇問題，並通過實驗分析、度量並改進不同求解算法。(3) 綜合套用多目標測試用例選擇技術、測試用例補充生成技術和動態測試用例優先權技術，研究綜合的回歸測試最佳化策略。通過上述研究，將有效解決回歸測試用例選擇、排序過程中存在的多目標最佳化問題，進一步提高測試效率並降低測試成本。
結題摘要
測試用例選擇、優先權技術等測試用例最佳化技術是軟體回歸測試中的一個研究熱點。本項目針對回歸測試中存在著多個相互制約甚至相互衝突的最佳化目標的測試實際，針對多目標約束下的回歸測試用例最佳化技術展開研究：根據測試歷史並結合反饋信息，建立了基於馬爾科夫鏈的多目標回歸測試用例選擇模型。根據模型的特點，分別採用動態規劃、遺傳算法、強化學習方法作為求解多目標選擇問題的算法，特別是深入研究了各類強化學習方法，並從多方面改進了這一算法，以適用於多目標測試用例最佳化的套用場景。提出了一種基於自適應隨機序列的測試用例優先權技術，進一步提高了測試效率並降低了測試成本，給出了綜合的回歸測試最佳化策略。 三年來，課題總體進展順利，按照要求完成了研究計畫，達到了預期目標。項目共發表論文 23篇，包括SCI索引的期刊論文2篇，EI索引的期刊和會議論文18篇，其中計算機領域的權威核心期刊論文：《計算機學報》、《軟體學報》和《計算機研究與發展》論文6篇，CCF推薦C類國際會議論文2篇。申請獲得軟體著作權4項，開展國際合作交流4次，培養研究生 6名。
