導(dǎo)語：粒子群算法應(yīng)用研究論文一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1應(yīng)用方法

在設(shè)計具體的算法之前，我們先介紹粒子群算法的基本算法，其算法框架參考資料，了解了粒子群算法算法的算法框架后，進一步要做的就是在軟件的黑盒測試中，如何將不同的等價類轉(zhuǎn)變?yōu)榱Ｗ尤核惴ǖ暮蜻x解，如何設(shè)定解的優(yōu)劣標(biāo)準(zhǔn)，如何設(shè)置合適的終止條件。

我們假定一個軟件模塊的輸入?yún)?shù)有5個：A、B、C、D、E，經(jīng)過合理的等價類劃分后，每個參數(shù)又有5個不同的等價類：A1～A5，……，E1～E5。我們采用一個廣義的粒子群算法候選解概念，一般的粒子群算法往往將候選解形式定為二進制的數(shù)據(jù)串，比如111010、010001等等，而在不同等價類輸入作為候選解時我們將候選解形式定為：A3B1C2D4E5，A2B2C4D1E3等等。這樣我們解決了候選解的問題，在解的優(yōu)劣標(biāo)準(zhǔn)以及終止條件的設(shè)定問題上，我們需要借助工具作為標(biāo)準(zhǔn)。軟件測試的目的是提高軟件的可靠性，終止條件當(dāng)然是軟件達(dá)到了測試的目的及要求。而解的優(yōu)劣標(biāo)準(zhǔn)正好與軟件質(zhì)量相反。文獻(xiàn)[2]中結(jié)合北大的青鳥黑盒測試環(huán)境提出了一種基于測試執(zhí)行的失效數(shù)據(jù)模型JBFDM。利用該模型我們可以做到：

（1）提供一致的失效數(shù)據(jù)建模，收集及管理的可靠性度量過程，從而支持可靠性度量；（2）利用測試及軟件現(xiàn)場收集的數(shù)據(jù)來評價測試計劃、操作概圖及測試方法的有效性。

軟件測試的目的是發(fā)現(xiàn)錯誤，在黑盒測試中，錯誤表現(xiàn)的形式是軟件失效。但是由于軟件錯誤并不是軟件失效的充分條件，換句話說，并不是所有錯誤都會在測試或運行時暴露，所以黑盒測試的目的就是盡可能的通過運行測試用例使軟件失效而發(fā)現(xiàn)錯誤。在我們對測試用例的評價時，用以下的數(shù)據(jù)表示測試用例的優(yōu)劣：

A=P+B/M+C*F

其中，A表示粒子群算法中的適應(yīng)度，P表示該測試用例在實際中發(fā)生的幾率，M表示平均失效時間，F(xiàn)表示失效等級。因為測試是針對使用的，所以發(fā)生幾率高的測試用例適應(yīng)度高就不難理解了。而M平均失效時間越長，該測試用例應(yīng)該不容易發(fā)現(xiàn)軟件的錯誤，所以，A越低。F則表示某些特殊情況發(fā)生使軟件嚴(yán)重失效（比如造成死機、損壞儀器等等），此時該測試用例以及其后代必須被重點關(guān)注，所以此時A越大。B、C是相應(yīng)于各個具體的被測試軟件模塊而定的系數(shù)(在實際應(yīng)用中，由于軟件失效的可能性不是特別大，所以更新結(jié)果往往是發(fā)生幾率高的測試用例后代較多。所以我們應(yīng)該針對具體被測試軟件設(shè)計準(zhǔn)確的發(fā)生概率產(chǎn)生算法。具體算法框架如圖1所示。

對于該算法的說明如下：

（1）每一個輸入?yún)?shù)往往有一個幾率（可以事先定義），可以簡單相加來求得該測試用例的概率，但是在輸入?yún)?shù)有較強相關(guān)性時，此方法并不能準(zhǔn)確求得某個測試用例的發(fā)生概率，一個解決辦法是設(shè)置輸入?yún)?shù)的相關(guān)耦合度，在粒子群算法的隨機更新時其同時進行的幾率與相關(guān)耦合度成正比，即對于相關(guān)耦合度高的輸入?yún)?shù)，它們同時進行更新的幾率高，反之則低。

（2）檢驗是否滿足測試要求時，需要先設(shè)置一個計數(shù)器。每運行一個新的測試用例，測試計數(shù)器加一當(dāng)發(fā)現(xiàn)第一次失效或故障時，計數(shù)器加二。若產(chǎn)生的后代又使軟件發(fā)生失效，則計數(shù)器加22。同理遞推，當(dāng)遺傳算法產(chǎn)生的測試用例連續(xù)n次使軟件失效，則計數(shù)器加2n。同時，記錄所有的測試情況（此工作由外圍的測試環(huán)境完成，比如北大的青鳥黑盒測試環(huán)境）。如果出現(xiàn)嚴(yán)重錯誤則終止測試，進行對程序的檢查。如果連續(xù)K代測試用例的后代都運行良好，計數(shù)器的值加2K。K的值由具體被測試軟件的等價類數(shù)量、輸入?yún)?shù)個數(shù)等決定。當(dāng)測試計數(shù)器的值達(dá)到所有黑盒測試用例等價類的數(shù)值時，結(jié)束測試也必須結(jié)束。

（3）每一組測試用例可以生成多個測試用例，根據(jù)適應(yīng)度函數(shù)大小決定留下哪些測試用例組成新的測試用例組。

從上面的算法框圖和說明可以看出，如果某測試用例使軟件的運行發(fā)生了問題，它的后代也同樣受困于該軟件錯誤，算法很快能發(fā)現(xiàn)這些最佳測試用例并給出結(jié)果。

2效果

上面的算法，相對于運行所有測試用例，并沒有比較明顯的優(yōu)點。尤其對于測試來說，算法并沒有加速運行測試用例，好象還降低了運行速度。其實算法本身的確不是用來加速運行測試用例的，其目的是找到一組最佳測試用例。因為實際上對于很多模塊運行所有測試用例或哪怕是所有等價類都是幾乎不可能的。

綜上所述，本文提出了一種利用粒子群算法尋求最佳測試用例的測試方法原理。它能在較短時間內(nèi)完成軟件模塊的黑盒測試并給出測試結(jié)果和好的測試用例。利用該算法原理，可以在測試集成環(huán)境中做一些設(shè)置或修改測試集成環(huán)境，這樣可以大大提高測試工作的效率。

【摘要】本文提出了一種利用粒子群算法幫助測試人員在較短時間內(nèi)完成軟件模塊的黑盒測試，并給出測試結(jié)果和好的測試用例的方法。

【關(guān)鍵詞】粒子群算法測試用例耦合度

參考文獻(xiàn)：

[1]張鴻賓，郭建軍.遺傳算法在曲線多邊形近似中的應(yīng)用.計算機學(xué)報，1999.

[2]方菲等.基于測試執(zhí)行的失效數(shù)據(jù)建模研究.軟件學(xué)報，1999，12：1233-1237.

[3]鄭人杰.計算機軟件測試技術(shù).北京：清華大學(xué)出版社，1992.