| 主权项 |
基于重要语句的分支覆盖测试数据生成方法，其特征在于如下步骤：步骤1.1：针对弱变异测试转化后的新程序P'，利用变异测试对象重要度评价方法，对程序原语句进行降序排列；按照上述排序，设计变异分支的覆盖顺序，重要度最高的原语句对应的变异分支拥有最高的覆盖优先级；步骤1.2：针对转化后的新程序P'，记执行测试数据t，被覆盖的变异分支集合为f(t)；因而，测试数据覆盖变异分支问题，可以表示为：在P'的输入域D中，搜索能够覆盖B中的全部变异真分支的测试数据集T＝{t<sub>1</sub>,t<sub>2</sub>,…,t<sub>i</sub>,…t<sub>n</sub>}，其中t<sub>i</sub>,i＝1,2,…,n，是P'的一个测试输入，n是包含的元素个数；记T中所有的测试数据，覆盖的变异分支集合为F(T)，F(T)＝f(t<sub>1</sub>)∪f(t<sub>2</sub>)∪…∪f(t<sub>i</sub>)∪…∪f(t<sub>n</sub>)；因此，未被覆盖的变异分支，可以表示为B‑F(T)；基于弱变异测试转化方法，对原程序进行分析处理，将变异语句与原语句组合，并插桩到原语句之前；因而，求解目标变成覆盖所有的变异真分支；如此一来，转化后的问题，可以表示为如下最小化问题：min{B‑F(T)}s.t.T∈D<sub>1</sub>×D<sub>2</sub>×…D<sub>i</sub>×…×D<sub>n</sub>式中，D表示P'的输入域，n为包含的测试数据个数；因而，当B中的全部变异分支均被覆盖时，B‑F(T)为空；步骤1.3：针对步骤1.2中给出的数学模型，设计了一种含约束的进化优化的求解方法，适应度函数表示为：fitness(t)＝Appr(t)+dist(t)Appr(t)表示层接近度，dist(t)表示分支距离，由于程序规模较大，分支零散的原因，还根据公式Normal(dist)＝1‑1.001<sup>‑dist</sup>，对其进行标准化处理；因此，测试数据的适应度函数最终可以表示为fitness(t)＝Appr(t)+Normal(dist(t))；步骤1.4：使用遗传算法求解其描述的优化问题，以得到覆盖目标变异分支的测试数据；步骤1.4.1：依据步骤1.1提出的变异分支覆盖优先策略，从B中选择优先级最高的分支b<sub>1</sub>作为目标分支；步骤1.4.2：初始化种群，在定义域内随机生成测试数据t，执行被测程序，计算并评价个体适应值；若t执行了目标分支或B中的其它分支，则保留t，并删除相关分支；步骤1.4.3：实施遗传操作，得到新的测试数据，并依据变异分支的覆盖顺序，选择B中优先级最高的分支作为新的目标分支；往复执行该过程，直到B为空集，或达到算法终止条件，求解过程结束。 |
