面向类集成测试序列生成的强化学习研究

• 作者: 丁艳茹 张艳梅 姜淑娟 袁冠 王荣存 钱俊彦
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 类集成测试序列 强化学习 测试桩 测试代价 奖励函数
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 领域软件工程专题|SPECIAL TOPIC ON DOMAIN-SPECIFIC SOFTWARE ENGINEERING
• 页码范围: 1674-1698
• 页数: 25页
• 分类号: TP311
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.006555

摘要

集成测试是软件测试过程中不可缺少的步骤, 针对在集成测试中如何对系统中的类合理排序的问题, 国内外研究者提出了多种生成类集成测试序列的方法, 然而他们大多没有将测试桩复杂度作为评估测试代价的指标.针对该问题, 提出面向类集成测试序列生成的强化学习研究方法, 以总体测试桩复杂度为评价测试代价的指标, 生成测试代价尽可能低的类集成测试序列. 首先, 定义强化学习任务, 根据任务设定算法的追求目标; 其次, 进行程序的静态分析, 根据分析得到的结果计算测试桩复杂度; 然后, 将测试桩复杂度的计算融入奖励函数的设计中, 为选择下一步动作提供信息和依据; 最后, 通过奖励函数反馈值函数, 通过值函数的设定保证累计奖励最大化. 当智能体完成规定训练次数, 系统会选择获得最大累计奖励值的类集成测试序列进行输出, 即为我们追求的测试代价尽可能低的结果. 实验结果表明, 与现有方法相比, 在以总体测试桩复杂度为评价指标时, 提出的方法结果更优.