基于加权属性的测试用例选择方法

摘要

基于加权属性的测试用例选择方法，在实验程序上运行所有的测试用例，获得每个测试用例的执行剖面，执行剖面为测试用例在执行过程中所调用的函数序列，使用k-means聚类算法对剖面进行聚类，聚类结束后在每一个类簇中应用基于属性权重的策略挑选出测试用例审查，选出最可能失效的测试用例。本发明作为一种改进交互式测试结果审查推荐技术，引入了软件错误定位技术，通过改变执行剖面中属性的权重，使得和错误相关的属性的权重更大，使得聚类过程能更好的把失败的测试用例聚在一起，从而使得测试人员只要检测较少的测试用例就可以发现更多的失败的测试用例。

主权项

基于加权属性的测试用例选择方法，其特征是在实验程序上运行所有的测试用例，获得每个测试用例的执行剖面，执行剖面为测试用例在执行过程中所调用的函数序列，函数序列的每一个函数作为测试用例的一个属性，如果函数被调用则在序列中的值为1反之则为0，然后分析选出最可能失效的测试用例：使用k‑means聚类算法对执行剖面进行聚类，类簇个数为总测试用例个数的5％，聚类结束后在每一个类簇中应用基于属性权重的策略WAS技术不断挑选出测试用例审查，挑选方法如下：应用错误定位技术根据每个函数被失败或成功的测试用例执行的次数和审查结果，不断改变每个函数的分值，所打的分值即函数的权值，在所有的类簇都挑选出测试用例审查后，用每个函数的权值代替初始的执行剖面中每个函数的值，用改变后的执行剖面重新聚类，在新的聚类结果上进一步挑选测试用例，分析选出最可能失效的测试用例；所述基于属性权重的策略WAS技术具体步骤如下：初始时每个函数的致信值都置为0，设定阈值CT为1，所有致信值小于1的函数都是可疑函数，测试用例执行的可疑函数的个数为测试用例的可疑值，1)测试用例选择，即从k‑means聚类算法聚类后得到的类簇中选出一个可疑值最大的测试用例，可疑值用来度量测试用例失效的可能性大小；2)函数致信值计算，先审查选中的测试用例是通过还是失效，然后分析函数序列的执行信息，以函数作为程序执行元素，计算每个程序执行元素的致信值，以致信值度量每个元素失效的可能性，如果这个测试用例通过，则它调用的每一个函数的致信值加1，反之减1；3)执行错误定位技术，实验程序的每一个函数具有以下3个属性：<anf,aep,aef>，它们表示了某一函数与测试用例失效或通过的关系：anf：没有执行这个函数并且失效的测试用例个数；aep：执行这个函数并且通过的测试用例个数；aef：执行这个函数并且失效的测试用例个数；如果选择的测试用例通过，则每一个调用的函数aep+1，如果选择的测试用例失效，每一个调用的函数aef+1，得到函数的分值；然后检查选择的测试用例个数是否达到事先设定的阈值TL，如果选择的测试用例个数达到TL，执行步骤4)，否则执行步骤5)，其中设置TL为总测试用例个数的5％；4)使用杰卡德排序标准计算函数权重Function weight，即函数的权值，如下：$\mathrm{Function\; weight}=\frac{\mathrm{aef}}{\mathrm{aef}+\mathrm{anf}+\mathrm{aep}}$如果在原始执行剖面中一个函数是被调用的，即函数序列中的值为1，则用计算的权重来替代函数在原始执行剖面中的值，然后删除所有执行剖面中已经被选出的测试用例的执行剖面，对产生的新的执行剖面进行聚类，聚类结束后重新从步骤1)开始执行；5)可疑测试用例鉴别，通过每个函数的致信值确定可疑函数，如果一个函数的致信值小于设定的阈值CT，则判为可疑函数，可疑函数选择完成后产生一个可疑函数集合，每一个测试用例的可疑值就是它调用的可疑函数的个数，可疑值大于0的测试用例都被认为是可疑的测试用例，即最可能失效的测试用例；如果测试用例的可疑值都为0，就选择另一个类簇并重新从步骤1)开始执行，否则继续在这个类簇中，重新执行步骤1)，继续选择测试用例。