公开(公告)号：CN115659633A

公开(公告)日：2023-01-31

申请号：CN202211304297.1

申请日：2022-10-24

Applicant: 北京计算机技术及应用研究所

Inventor： 常康丽 ,  李福川 ,  李敏 ,  盛晓娟 ,  张凡 ,  周楠

IPC: G06F30/20 ,  G06F111/04

Abstract: 本发明涉及一种支持约束处理的逐参数扩展优化方法，属于测试领域。本发明在支持约束处理的逐参数扩展算法IPOWithCS的基础上，充分研究约束集，提出参数和禁止约束集的相关度等概念，结合两两组合测试的特点和约束集的信息，分析影响算法性能的因素，不同因素对算法产生的影响不同，从中选择影响显著性较弱的2个因素，根据这两个优化点设计4个优化策略，分别用Mode标记，依次求解不同策略，从中找到一个最优解近似代替问题的最终解，适应性调整IPOWithCS算法，由此提出一种新的支持约束处理的逐参数扩展优化方法。本发明有效解决了实际工程中约束组合测试问题，具有良好的工程应用价值，大大提高了测试效率节省了测试成本。

公开(公告)号：CN118277269A

公开(公告)日：2024-07-02

申请号：CN202410482604.8

申请日：2024-04-22

Applicant: 北京计算机技术及应用研究所

Inventor： 张凡 ,  李福川 ,  王旋 ,  李伟 ,  常康丽 ,  周楠

IPC: G06F11/36 ,  G06N3/006

Abstract: 本发明涉及一种基于Markov模型的测试用例生成、充分性判定方法及装置，属于软件测试技术领域。本发明将存储在Markov模型数据模块中的数据进行解析，获取被测软件模型的状态，迁移边信息及对应的状态转移概率。并且将模型扩展到高阶，计算相关参数，相关参数包括：高阶Markov模型的阶数及降阶转移概率矩阵；通过设定期望可靠性计算测试停止的优化阈值，并在测试用例生成过程中计算测试充分性判定值的大小，当满足给定的阈值后，停止测试用例生成，展示所有生成的测试用例集及程序运行时间。本发明充分利用高阶Markov模型在描述随机过程中的先天优势，结合蚁群算法全局性、通用性强的特点，有效提高了测试用例生成收敛速度，减少了冗余测试用例集的产生。