计算智能与组合软件测试优化PDF电子书下载

第1章 软件测试基础 1

1.1软件测试概述 1

1.1.1软件测试的起源与发展 1

1.1.2软件测试的基本概念 2

1.1.3软件测试的分类与方法 4

1.1.4软件测试模型及演变 7

1.1.5生命周期软件测试方法 10

1.1.6软件测试过程管理 14

1.2组合软件测试 17

1.2.1组合软件测试原理 18

1.2.2组合软件测试过程 20

1.2.3组合软件测试模型方法 25

1.2.4组合软件测试的现状和趋势 26

1.3小结 29

参考文献 30

第2章 计算智能理论基础 31

2.1群体智能 31

2.1.1概述 31

2.1.2蚁群算法 32

2.1.3粒子群优化算法 36

2.2进化计算 37

2.2.1概述 38

2.2.2进化算法的基本原理及框架 39

2.2.3进化计算的应用 42

2.3智能Agent 43

2.3.1分布式人工智能 43

2.3.2 Agent的结构 45

2.3.3 Agent通信 47

2.4小结 49

参考文献 49

第3章 软件可靠性 50

3.1软件可靠性的基础理论 50

3.1.1软件可靠性的定义及基本数学关系 50

3.1.2软件可靠性的因素 52

3.1.3软件可靠性度量的指标 54

3.1.4软件失效机理 55

3.2软件可靠性技术 56

3.2.1软件可靠性分析技术 56

3.2.2软件可靠性设计技术 58

3.3小结 60

参考文献 60

第4章 软件可靠性建模 61

4.1软件可靠性模型的基本特点 61

4.2软件可靠性模型的特征 62

4.3模型评价标准 64

4.3.1模型拟合度 64

4.3.2模型准确度 65

4.3.3模型偏差 66

4.3.4模型偏差趋势 67

4.4软件可靠性模型分类 67

4.5典型的可靠性模型 69

4.5.1 Jelinski-Moranda模型 69

4.5.2 Goel-Okumoto模型 70

4.5.3 Musa模型 72

4.5.4 Littlewood-Verral模型 73

4.5.5 Seeding模型 74

4.5.6 Nelson模型 76

4.5.7 Duane模型 79

参考文献 80

第5章 基于群体智能的软件可靠性分配 81

5.1软件可靠性分配模型 81

5.1.1软件可靠性特点 81

5.1.2软件可靠性分配定义 81

5.1.3软件成本函数 82

5.1.4软件可靠性分配模型 82

5.2软件可靠性分配技术 84

5.2.1传统的软件可靠性分配技术 84

5.2.2基于智能优化算法的软件可靠性分配技术 85

5.3基于社会认知算法的软件可靠性分配问题研究 86

5.3.1社会认知优化算法 86

5.3.2社会认知算法的基本概念 86

5.3.3社会认知算法的算法步骤 87

5.3.4数值试验与仿真 87

5.4基于粒子群算法的软件可靠性分配问题研究 89

5.4.1粒子群优化算法的基本原理 89

5.4.2粒子群优化算法的改进 91

5.4.3实验及结果分析 91

5.4.4小结 92

参考文献 92

第6章 面向故障的软件测试 94

6.1软件故障模型 94

6.2面向故障的软件测试 100

6.2.1基于故障模型的静态分析 100

6.2.2基于路径的内存泄漏故障分析 102

参考文献 103

第7章 灰盒测试 104

7.1白盒测试 104

7.1.1白盒测试的发展 104

7.1.2白盒测试的主要方法 105

7.2黑盒测试 114

7.3灰盒测试 120

7.3.1灰盒测试 120

7.3.2灰盒测试与白盒测试、黑盒测试的区别 120

7.3.3灰盒测试的优缺点 121

7.3.4灰盒测试的自动化工具 122

参考文献 122

第8章 组合覆盖准则 123

8.1覆盖准则概念 123

8.2 MC/DC覆盖准则 125

8.3 RC/DC覆盖准则 126

8.4基于算法的组合覆盖准则 128

8.5小结 130

参考文献 130

第9章 基于粒子群算法的测试用例自动生成与约简 132

9.1基本粒子群算法 132

9.1.1基本粒子群算法思想的起源 132

9.1.2算法原理 132

9.1.3基本粒子群算法流程 133

9.1.4基本粒子群算法改进策略 134

9.2离散粒子群优化算法 134

9.2.1基于连续空间的离散粒子群优化算法 135

9.2.2基于离散空间的离散粒子群优化算法 136

9.3基于改进离散粒子群优化算法两两覆盖组合软件测试用例集生成方法 137

9.3.1方法背景 137

9.3.2方法内容 139

9.3.3方法有益效果 142

9.3.4方法具体实施方式 145

9.4基于自适应粒子群算法的组合测试数据生成方法 150

9.4.1概述 150

9.4.2基本粒子群优化算法原理 150

9.4.3基于改进粒子群优化算法的测试数据集自动生成 151

9.4.4实验分析 153

9.4.5小结 155

9.5基于粒子群算法的测试用例约简方法 155

9.5.1方法背景 155

9.5.2方法具体内容 156

9.5.3本方法的原理 158

9.5.4具体实施方式 160

9.6小结 164

参考文献 165

第10章 基于模拟退火的测试用例自动生成与约简 168

10.1模拟退火算法 168

10.1.1模拟退火算法概述 168

10.1.2模拟退火算法 168

10.1.3模拟退火算法一个简单问题的实现 169

10.1.4模拟退火算法的优点和缺点 171

10.1.5小结 172

10.2基于模拟退火算法的测试用例自动生成 172

10.2.1成对组合测试的问题 172

10.2.2 One-Test-At-a-Time 173

10.2.3成对组合测试在模拟退火算法中使用的框架 175

10.2.4算法的实现 175

10.2.5算法的效率分析 176

10.2.6小结 177

10.3基于模拟退火算法的测试用例约简技术 177

10.3.1采用模拟退火算法的用例约简 177

10.3.2约简算法的设计 177

10.3.3算法效率分析 178

10.3.4小结 182

参考文献 182

第11章 基于协同进化的测试用例自动生成与约简 184

11.1协同进化理论 184

11.1.1协同进化的生物学基础 184

11.1.2协同进化的动力学描述 185

11.2协同进化算法的发展现状 187

11.2.1基于种间竞争机制的协同进化算法 187

11.2.2基于捕食-猎物机制的协同进化算法 188

11.2.3基于共生机制的协同进化算法 188

11.2.4基于“组织”概念的协同进化算法 189

11.3组织进化优化算法 189

11.3.1组织进化算子 189

11.3.2组织进化优化算法 191

11.4基于组织进化粒子群优化的测试用例自动生成 192

11.4.1两两覆盖组合测试模型 192

11.4.2算法框架 193

11.4.3编码方式 193

11.4.4适应度函数 193

11.4.5协同进化算子 194

11.4.6算法描述 195

11.4.7实验结果与分析 195

11.5结束语 197

参考文献 197

第12章 基于族群进化算法构造最优组合测试用例集 200

12.1研究背景 200

12.2基于进化算法整体构造和优化组合测试数据 202

12.2.1编码 203

12.2.2解码 203

12.2.3适应度函数的设计 204

12.2.4基于进化算法构造组合测试用例集机制的特点 204

12.3族群进化算法 205

12.3.1基于二进制编码的族群进化评估指标 205

12.3.2基于二进制编码的族群聚类 206

12.3.3族群双轨协同进化 207

12.3.4 EGEA的执行过程 209

12.4仿真实验 210

12.5结论 213

参考文献 213