31、编程变异测试入门

编程变异测试入门

1. 测试用例生成

所提出的范式旨在便于自动生成能够检测预期故障的测试用例。之前已表明,代数精化法则解决了等价变异体(其变更不代表故障)的问题,这些法则也为测试用例生成过程奠定了基础。以下定理定义了能够检测错误的测试等价类。

定理 14

设 $P = (p ⊢Q)$ 是一个程序,$P_m = (p_m ⊢Q_m)$ 是该程序的一个有故障的变异体,其范式如下:
$P = c ∨ \bigvee_{j} {(a_j ∧v := f_j ) | 1 ⩽j ⩽m}$
$P_m = c_m ∨ \bigvee_{k} {(b_k ∧v := h_k) | 1 ⩽k ⩽n}$

我们假设非终止条件 $c$ 和 $c_m$ 分别代表前置条件:$p = ¬c$ 和 $p_m = ¬c_m$。此外,$Q ≡(p ⇒Q)$。那么,测试等价类
$T_{\sim} \overset{df}{=} d_{\perp}; P$
的每个代表性测试用例都能够检测 $D_m$ 中的故障,其中
$d = (¬c ∧c_m) ∨ \bigvee_{k} (¬c ∧b_k ∧ \bigwedge_{j} (¬a_j ∨(f_j \neq h_k)))$

为了检测错误,测试等价类的域必须包含精化不成立的输入值。有两种非精化情况:
1. 变异体不终止但原程序终止 :即 $(¬c ∧c_m)$ 成立时。
2. 两者都终止但结果不同 :根据法则 L10 和 L11,必须测试所有受保护命令的组合,以确定变异体对原程序的精化情况

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值