14、软件测试数据生成的创新方法

软件测试数据生成的创新方法

在软件测试领域，测试数据的生成一直是一项极具挑战性的任务，尤其是对于并发软件和需要满足特定覆盖标准的系统。本文将介绍两种创新的测试数据生成方法，分别是针对OCL约束的MC/DC测试数据生成策略，以及用于并发软件的BioConcST生物启发式优化方法。

1. MC/DC测试数据生成

在基于模型的系统测试中，从对象约束语言（OCL）编写的约束中生成测试数据是重要的一步。现有的OCL测试数据生成方法主要集中于为一个约束生成一个对应的解决方案。然而，如果一个约束包含多个子句，那么生成的测试数据可能只覆盖了部分子句。

为了提高OCL测试数据的生成效率，特别是支持修改条件/判定覆盖（MC/DC）标准，研究人员提出了一种基于搜索的策略。该策略利用基于案例的推理（CBR）来复用已生成的测试数据，并生成新的测试数据，以实现OCL约束的MC/DC覆盖。

为了评估该方法在解决MC/DC约束方面的性能，研究人员进行了实证评估。他们使用了不使用CBR的AVM（AVMo）、使用CBR的AVM（AVMc），并以随机搜索（RS）作为比较的基线。实验采用了来自四个不同领域、具有不同规模和复杂度的案例研究中的84个OCL约束。实验结果表明，复用已生成的测试数据的策略优于不使用先前测试数据生成测试数据的方法。

在实验过程中，研究人员将迭代次数固定为最多2000次，并使用了多种衡量指标，如时间、成功率和迭代次数，用于比较不同的搜索算法。为了降低结论有效性的威胁，每个约束运行了100次。此外，在基于成功率进行比较时使用了Fisher精确检验，在基于迭代次数进行比较时使用了Wilcoxon检验，并使用优势比和Vargha - Delaney ˆA12度量来