基于MOABCO的多目标测试用例优先级排序

• 作者: 包晓安 吴彪 张唯 张娜
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 多目标人工蜂群优化算法 Pareto最优 多目标测试用例优先级排序 回归测试 软件测试
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 93-98,103
• 页数: 7页
• 分类号: TP311.5
• 字数: 4246字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2019.02.001

摘要

为了提高回归测试的效率,提出了一种基于多目标人工蜂群优化(Multi-Objective Artificial BeeColony Optimization,MOABCO)算法的多目标测试用例优先级排序(Multi-Objective Test Case Prioritiza-tion,MOTCP)方法.针对标准多目标人工蜂群(Multi-Objective Artificial Bee Colony,MOABC)算法容易陷入局部最优解的问题,将差分变异策略融入到新蜜源更新阶段,且基于信息熵改进新蜜源选择方法,以避免算法陷入局部最优并增强了全局搜索能力;然后,将代码覆盖率和测试用例有效执行时间作为优化目标,并用MOABCO算法求Pareto最优解集,以解决MOTCP问题.实验结果表明,MOABCO算法求得的Pareto最优解集在逼近性和分布均匀性上均优于MOABC算法;在解决MOTCP问题上,相对于NSGA-Ⅱ算法具有更高的收敛速度和更高的缺陷检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张娜	浙江理工大学信息学院	72	213	8.0	12.0
2	包晓安	浙江理工大学信息学院	80	324	9.0	15.0
3	张唯	浙江理工大学信息学院	6	16	3.0	4.0