基于蚁群算法的测试用例优先排序

计算机工程与科学

基于蚁群算法的测试用例优先排序

张卫祥，齐玉华，魏波，张敏，窦朝晖

（北京跟踪与通信技术研究所，北京100094）

收稿日期:2019-08-09 修回日期:2019-10-21 出版日期:2020-02-25 发布日期:2020-02-25
基金资助:
国家自然科学基金（61502015）

Test case prioritization based on ant colony algorithm

ZHANG Wei-xiang,QI Yu-hua,WEI Bo,ZHANG Min,DOU Zhao-hui

（Beijing Institute of Tracking and Telecommunications Technology,Beijing 100094,China）

Received:2019-08-09 Revised:2019-10-21 Online:2020-02-25 Published:2020-02-25

摘要/Abstract

摘要：

测试用例优先排序技术通过优化测试用例的执行次序来提高软件测试的效率，是增强型软件测试和回归测试的重要研究课题。针对基于需求的测试用例优先排序问题，提出了一种基于蚁群算法的求解方法，采用不同的测试用例间距离及用例序列评价策略，给出了该方法的2种不同实现方式。首先，针对黑盒测试特点，设计了基于需求的一般性测试用例序列评价指标；其次，提出测试用例吸引度概念，基于测试用例吸引度定义了测试用例间的距离；然后，给出了信息素更新策略、最优解集更新策略、局部最优解突变策略等主要设计策略，分别实现了该方法基于距离和基于指标的2种实现方式。实验结果表明，该方法具有很好的全局寻优能力，整体效果上优于粒子群算法、遗传算法和随机测试。

关键词: 软件测试, 测试用例优先排序, 蚁群算法, 黑盒测试, 回归测试, 增强型软件

Abstract:

By optimizing the execution order of test cases, test case prioritization technology can improve the efficiency of software testing. It is an important research topic for enhanced software and regression testing. Aiming at the demand-based test case prioritization problem, a solution method based on ant colony algorithm is proposed. Based on different test case sequence evaluation strategies, two different implementations of the method are given. Firstly, according to the characteristics of black-box software testing, a general demand-based test case sequence evaluation index is designed. Secondly, the concept of test case aspiration is proposed, which was used to define the distance between test cases. Then, the main design strategies such as pheromone updating strategy, optimal solution set updating strategy, and local optimal solution mutation strategy are given. Finally, the two implementations (distance-based approach and index-based approach) are achieved. The experimental results show that this method had a good global search ability, and has better overall effect than other methods such as particle swarm algorithm, genetic algorithm and random testing.

Key words: software testing, test case prioritization, ant colony algorithm, black-box testing, regression testing, enhanced software

张卫祥，齐玉华，魏波，张敏，窦朝晖. 基于蚁群算法的测试用例优先排序[J]. 计算机工程与科学.

ZHANG Wei-xiang,QI Yu-hua,WEI Bo,ZHANG Min,DOU Zhao-hui. Test case prioritization based on ant colony algorithm[J]. Computer Engineering & Science.

[1]	顾楚梅, 曹建军, 王保卫, 徐雨芯, . 基于蚁群参数优化的LightGBM辐射源个体识别[J]. 计算机工程与科学, 2023, 45(01): 85-94.
[2]	牛胜杰, 李鹏, 张玉杰, . 模糊测试技术研究综述[J]. 计算机工程与科学, 2022, 44(12): 2173-2186.
[3]	赵广元, 赵英. 基于改进蚁群优化算法的养殖场机器人路径规划[J]. 计算机工程与科学, 2022, 44(05): 910-915.
[4]	刘雨青, 向军, 曹守启. 基于改进蚁群算法的水下自主航行机器人路径规划[J]. 计算机工程与科学, 2022, 44(03): 536-544.
[5]	胡平志, 李泽滔. 基于改进蚁群算法的四足机器人步态规划[J]. 计算机工程与科学, 2021, 43(12): 2253-2262.
[6]	宋阿妮, 包贤哲. 精英扩散蚁群优化算法求解运输无人机三维路径规划[J]. 计算机工程与科学, 2021, 43(10): 1891-1900.
[7]	马贵平, 潘峰. 基于改进蚁群算法的物流运输路径研究[J]. 计算机工程与科学, 2020, 42(03): 523-528.
[8]	曹新亮, 王智文, 冯晶, 查敏, 王宇航. 基于改进蚁群算法的机器人全局路径规划研究[J]. 计算机工程与科学, 2020, 42(03): 564-570.
[9]	喻小惠1，张晶1,2，陶涛3，龚力波4，黄云明1，傅铁威1. 基于蚁群策略的无线传感器网络能耗均衡分簇算法[J]. 计算机工程与科学, 2019, 41(07): 1197-1202.
[10]	郑延斌1,2，王林林1，席鹏雪1，樊文鑫1，韩梦云1. 动态环境下改进蚁群算法的多Agent路径规划[J]. 计算机工程与科学, 2019, 41(06): 1078-1085.
[11]	吴尚智1，张文超2，佘志用1，张霞1，段超1. 利用蚁群优化算法的粗糙集属性约简方法[J]. 计算机工程与科学, 2019, 41(03): 538-544.
[12]	覃远年，梁仲华. 蚁群算法研究与应用的新进展[J]. 计算机工程与科学, 2019, 41(01): 173-184.
[13]	宋丛溪，王辛，张文喆. Angr动态软件测试应用分析与优化[J]. 计算机工程与科学, 2018, 40(增刊S1): 163-168.
[14]	占徐政. 一种针对高维输入域的适应性随机测试改进性算法[J]. 计算机工程与科学, 2018, 40(11): 1936-1943.
[15]	孙家泽1,2,王刚1. 利用佳点集遗传算法的白盒测试用例优先排序[J]. 计算机工程与科学, 2018, 40(10): 1815-1821.