IGA算法的構件化軟件測試用例生成研究

林振文

摘 要：通過對現有的構件化測試用例進行分析，探究了IGA算法在構件化軟件測試中的應用，提出了基于MTCGCBS軟件測試用例生成模型，將抗原作為函數目標對算法進行優化，將抗體作為解決問題的關鍵，通過與其他算法進行比較，IGA算法在軟件測試用例生成效率明顯高于其他算法，更能提高軟件的測試效率。

關鍵詞：IGA算法；構件化軟件；測試用例

隨著軟件開發的質量要求越來越高，對軟件的算法要求提出了更高的要求，基于構件的軟件工程開發技術，能為高效的開發軟件提供了保證，但是基于構件技術開發的軟件，如何有效的對其進行測試，成為軟件開發人員需要解決的難題。如何有效的對軟件進行測試，采用快速高效的軟件測試方法對測試用例進行優化，提高軟件測試的工作效率。遺傳算法采用多點搜索與交叉操作技術，全局搜索能力比較強大，但是對空間問題的搜索能力不是很強，在測試的過程中還存在一系列的問題。本文提出了采用免疫遺傳算法IGA對軟件的測試功能進行優化，將抗原作為函數目標對算法進行優化，將抗體作為解決問題的關鍵，并將抗體與抗原之間的親和力作為解決問題的聯合強度，對優化函數的算法具有獨特的優勢和高效性，可以大大的對測試用例進行優化，進而提高軟件測試工作效率。

1 基于IGA的軟件測試用例生成模型

在軟件的測試用例中，我們采用構件化軟件測試用例生成模型（MTCGCBS）對軟件進行測試，改變軟件測試的方法，并將IGA算法應用于該測試模型中，每一個構件軟件的構件都有一定的規約文檔，在對文檔進行規劃的過程中，需要要求的設置測試軟件的前置條件，才能使用隨機的算法對生成的構件進行測試，然后采用測試的數據進行編碼形成測試的初始種群，接著采用IGA對該初始對根構件規約文檔進行分析得到根構件的前置條件，并獲取相應的初始測試數據，其次根據初始數據的編碼，得到軟件測試數據的初始種群；然后利用IGA算法優化初始種群，產生高效率的測試用例。根據構件的規約文檔提取的初始測試數據，構件軟件測試的模型，就可以利用IGA算法對生成的軟件測試進行優化，具體流程如下圖1所示。

采用構件規約文檔生成用例測試的過程，并運用IGA算法可以對初始測試數據進行優化。運用IGA算法的適度函數與被測試的用例進行交互，通過IGA算法計算后，可以有效的得到適應度函數的值，根據適度函數的返回值，可以判斷測試的效率，如果返回值越高，說明IGA的優化效率就越好，測試的效率越高。

2 IGA算法分析

2.1 IGA算法

免疫遺傳算法與遺傳算法相似，采用一系列的選擇、交叉和變異等操作，數據的產生具有一定的隨機性，在測試的過程中，往往會出現算法退化的現象，因此，IGA算法采用全局收斂算法與多點搜索技術與交叉技術，保證對群體進化的促進作用。但是免疫遺傳算法在遺傳算法的基礎添加了免疫算子（該過程包括接種疫苗和免疫兩個過程），采用信息抑制的方法控制信息退化，以防止算法的種群退化，提高算法的測試效率。因此，采用遺傳算法作為測試用例的基礎，然后在遺傳算法上加入免疫算子，形成免疫遺傳算法。

在確定了IMG算法的變化范圍，根據對IGA算法的定義，并依據上述圖1中IGA在MTCGCBS模型中的應用，在初始種群中抽取疫苗算子，并對測試的數據劃分種群，采用適應度函數技進行計算，再經過交叉、變異、接種疫苗等過程，并將優化的最好個體送給相鄰處理器，淘汰掉適應度較差的個體，IGA的算法流程，如圖2所示：

2.2 IGA的算法收斂

假設采用IGA算法的初始種群的規模為M，在確定種群的大小之后，運用動態變長的二進制編碼對種群中的所有個體進行編碼，根據數據種群的變化規則，采用全局搜索和交叉算法，對種群進行優化，其中交叉操作的交叉點的選取需要根據適應度函數變化，以保證算法的覆蓋范圍，同時也是通過自適應的動態交叉率P0的操作而得到算法的初始數據，變異操作的過程通過收斂計算，剔除算法中的不良基因，對每個種群數據的基因位優化，并替代上一代的因子以種群的自適應的動態概率Pn相互獨立進行變異，并與免疫算子結合在一起，形成一個優化的個體。IGA算法的狀態轉移情況可用隨機過程對其進行描述，具體描述如下：

通過對初始數據群體進行一系列的自適應交叉、自適應變異操作，并對數據進行接種疫苗，然后由種群進行免疫選擇，在經過數據優化后形成一個完整的過程，即從AK到DK形成一個完整的馬爾科夫鏈，實現對初始種群的優化。

3 結束語

通過對傳統的遺傳算法進行分析，提出一種基于IGA算法的構件化軟件測試用例生成模型，采用接種免疫疫苗的方法對個體進行優化，對該模型的詳細功能進行研究，使用IGA算法的效率遠高于遺傳算法，能夠提高構件化軟件測試用例在軟件測試過程中的測試效率，通過對比也能夠說明該算法的效率高于傳統的遺傳算法和隨機算法，對軟件的測試效果也十分有效，同時也為構件化測試的軟件的發展提供了支持。

參考文獻

[1]汪浩，謝軍凱，高仲儀.遺傳算法及其在軟件測試數據生成中的應用研究[J].計算機工程與應用，2012（12）.

[2]單錦輝，土戟，馬曉冬，等.面向路徑的測試數據自動生成工具及其圖形界面的Tcl/Tk設計[J].計算機工程與應用，2013（12）.

[3]聶長海，徐寶文.一種最小測試用例集生成方法[J].計算機學報，2013（12）.