第 1章 绪论 / 1
1. 1 研究背景及意义 /2
1. 2 国内外研究现状 / 3
1. 3 研究的主要内容 /5
第 2章 软件测试及测试用例集约简技术 /7
2. 1 软件测试 /8
2. 1. 1 软件测试的概念 /8
2. 1. 2 测试用例的定义 /9
2. 1. 3 软件测试的分类 /9
2. 1. 4 软件测试的 目 的 /10
2. 1. 5 软件测试的原则 /12
2. 2 测试用例集约简的相关定义和术语 /15
2. 3 几种典型的测试用例集约简算法介绍 /17
2. 3. 1 贪 心 算法 /17
2. 3. 2 HGS算法 /19
2. 3. 3 GRE算法 /19
2. 3. 4 整数规划算法 /22
2. 4 性能分析及实例研究 /24
第 3章 基本蚁群算法的测试用例集约简 /26
3. 1 蚁群算法的思想起源 /27
3. 2 蚁群算法的基本原理 /28
3. 3 蚁群算法及其改进 /31
3. 3. 1 蚁群算法框架 /32
3. 3. 2 蚁群算法的程序流程图 /33
3. 3. 3 蚁群算法的数学模型 /33
3. 3. 4 蚁群算法的参数 /37
3. 4 蚁群算法的仿真实现 /37
3. 5 蚁群算法的意义及应用 /38
3. 5. 1 蚁群算法的意义 /38
3. 5. 2 蚁群算法的应用 /39
第 4章 基本遗传算法的测试用例集约简 /42
4. 1 遗传算法的思想起源 /43
4. 2 遗传算法的基本原理 /45
4. 2. 1 遗传算法概述 /45
4. 2. 2 遗传算法的特点 /47
4. 2. 3 遗传算法的基本步骤 /48
4. 3 遗传算法及其改进 /53
4. 4 遗传算法的应用 /56
第 5章 基于变异因子的蚁群算法的测试用例集约简 /59
5. 1 问题描述 /60
5. 2 基于变异因子的蚁群算法的测试用例集约简算法(TSR-ACA)算法 /61
5. 2. 1 基本蚁群算法的求解过程 /61
5. 2. 2 蚁群算法中变异因子的引入 /62
5. 2. 3 信息素的更新 /62
5. 2. 4 TSR-ACA 算法中的主要参数值 /63
5. 2. 5 TSR-ACA 算法描述 /66
5. 3 仿真实验对比 /67
第 6章 基于遗传蚁群算法的测试用例集约简 /69
6. 1 问题描述 /70
6. 1. 1 问题定义 /70
6. 1. 2 问题模型 /70
6. 2 基于遗传蚁群算法的测试用例集约简算法(TSR-GAA)算法 /72
6. 2. 1 遗传算法与蚁群算法融合的基本原理 /72
6. 2. 2 遗传算法设计 /72
6. 2. 3 蚁群算法设计 /73
6. 2. 4 基于遗传蚁群算法求解约简用例集的算法步骤 /74
6. 3 仿真实验对比 /76
第 7章 基于 HGS算法的回归测试用例集约简 /78
7. 1 问题描述 /79
7. 1. 1 相关定义 /79
7. 1. 2 问题的提出 /80
7. 2 算法的参数 /81
7. 2. 1 测试用例的测试覆盖度 /81
7. 2. 2 测试用例的测试运行代价 /81
7. 2. 3 测试用例的错误检测能力 /81
7. 3 基于 HGS算法的回归测试用例集约简算法(RTSR-HGS)算法 /82
7. 3. 1 测试用例的度量值公式 /83
7. 3. 2 HGS算法与回归测试用例集约简算法的融合 /83
7. 4 仿真实验对比 /84
第 8章 算法的实现和性能分析工具 /85
8. 1 性能分析工具的开发环境 /86
8. 2 性能分析工具 /86
8. 2. 1 矩阵生成模块 /86
8. 2. 2 数据编辑模块 /89
8. 2. 3 算法执行模块 /91
8. 2. 4 性能分析模块 /93
8. 3 算法性能对比分析 /95
参考文献 /99
附录 A GA算法主要代码 /103
附录 B HGS算法主要代码 /106
附录 C ACA算法主要代码 /117
附录 D TSR-ACA算法主要代码 /125
附录 E TSR-GAA算法主要代码 /135
附录 F RTSR-HGS算法主要代码 /145
鄂公网安备 42010302001612号 