人工智能技术增强变异测试的理论及应用

　　软件测试通过检测尽可能多的缺陷来保证软件质量。变异测试是一种面向缺陷的测试技术。本书主要研究人工智能技术增强变异测试的理论及应用。本书融合人工智能中的进化算法和聚类，以及统计分析等方法，增强变异测试，是自动化、人工智能、应用数学及计算机等多个学科的有机交叉。研究内容具有明确的应用背景和产业需求，富有鲜明的新颖性和挑战性。本书可供高等院校计算机、自动化等专业的教师及研究生阅读，也可供自然科学和工程技术领域的研究人员及软件测试从业人员参考。

　　党向盈，女，博士，徐州工程学院副教授。研究方向为基于搜索的软件工程、进化算法应用和图像处理。近年来，主持或参与省部级项目3项，主持市厅级项目4项，参与国家自然科学基金项目3项。

1 绪 论
1.1 变异测试研究现状
1.2 研究内容
1.3 研究成果及意义
1.4 本书框架
1.5 进一步研究内容
1.6 本章小结
参考文献
2 相关技术工作
2.1 变异测试
2.2 变异分支
2.3 软件测试数据生成
2.3.1 基于结构覆盖的测试数据生成
2.3.2 基于搜索的测试数据生成
2.4 聚类
2.5 多种群遗传算法
2.6 本章小结
参考文献
3 基于多种群遗传算法的路径覆盖变异测试数据生成
3.1 研究动机
3.2 整体框架
3.3 变异分支构建可执行路径
3.3.1 基于同一被测语句变异形成新变异分支
3.3.2 基于新变异分支构建可执行子路径
3.3.3 基于统计分析构建可执行路径
3.4 基于路径覆盖的测试数据生成数学模型
3.5 基于MGA覆盖多路径测试数据生成
3.6 实验
3.6.1 需要验证的问题
3.6.2 实验设置
3.6.3 实验过程
3.6.4 实验结果
3.7 本章小结
参考文献
4 模糊聚类和进化算法增强变异测试数据生成
4.1 研究动机
4.2 整体框架
4.3 模糊聚类变异分支
4.3.1 基本定义
4.3.2 排序变异分支
4.3.3 聚类变异分支
4.4 基于分支覆盖约束的测试数据生成多任务数学模型
4.4.1 目标函数
4.4.2 约束函数
4.4.3 数学模型
4.5 基于MGA测试数据有序生成
4.6 实验
4.6.1 需要验证的问题
4.6.2 实验设置
4.6.3 实验过程
4.6.4 实验结果
4.7 本章小结101
参考文献
5 基于多种群协同进化搜索域动态缩减的变异测试数据生成
5.1 研究动机
5.2 整体框架
5.3 确定顽固变异体
5.3.1 变异分支的执行概率
5.3.2 变异分支涉及程序输入变量的复杂度
5.3.3 综合指标
5.4 基于路径覆盖约束的测试数据生成数学模型
5.4.1 目标函数ii
5.4.2 约束函数ii
5.4.3 数学模型 iii
5.5 基于CGA的搜索域动态缩减测试数据生成
5.5.1 算法描述
5.5.2 搜索域缩减时机
5.5.3 搜索域缩减策略
5.6 实验
5.6.1 需要验证的问题
5.6.2 实验设置
5.6.3 实验过程
5.6.4 实验结果
5.7 本章小结
参考文献
6 基于程序输入分组变异分支的测试数据进化生成
6.1 研究动机
6.2 整体框架
6.3 基于程序输入分组变异分支
6.3.1 变异分支与输入变量之间的相关性
6.3.2 分组变异分支
6.4 基于相关输入变量的测试数据生成数学模型
6.5 基于MGA多任务测试数据生成
6.6 实验
6.6.1 需要验证的问题
6.6.2 实验设置
6.6.3 实验过程
6.6.4 实验结果
6.7 本章小结
参考文献
7 并行程序的变异测试数据进化生成
7.1 研究动机
7.2 整体框架
7.3 并行程序的变异测试问题转化
7.3.1 基本概念
7.3.2 并行程序变异分支的相关度
7.3.3 并行程序变异分支覆盖难度
7.3.4 生成可执行路径集合
7.4 覆盖多路径测试数据生成的数学模型
7.5 基于MGA生成覆盖并行程序多路径测试数据
7.6 实验
7.6.1 需要验证的问题
7.6.2 实验设置
7.6.3 实验过程
7.6.4 实验结果
7.7 本章小结
参考文献
8 测试环境配置
8.1 SIR测试目标
8.2 并行程序实验配置
8.2.1 消息传递接口
8.2.2 运行平台
参考文献
附录