一种改进的退火遗传交叉算法在测试用例生成中的应用研究  

Application of an Improved Annealing Genetic Crossover Algorithm in Test Case Generation

作　　者：施冬冬 李如平[1] 吴房胜[1] 潘晓君 SHI Dong-dong;LI Ru-ping;WU Fang-sheng;PAN Xiao-jun(School of Information Engineering,Anhui Business and Technology College,Hefei 231131,China)

机构地区：[1]安徽工商职业学院信息工程学院

出　　处：《兰州文理学院学报（自然科学版）》2020年第1期57-61,共5页Journal of Lanzhou University of Arts and Science(Natural Sciences)

基　　金：安徽省高校自然科学研究项目(KJ2019B001);安徽省高校自然科学研究重点项目(KJ2019A1166);安徽省重大教学研究项目,高职院校产教融合协同创新研究与实践(2016jyxm0122);2016年高校学科(专业)拔尖人才学术资助重点项目(gxbjZD2016094);安徽省物联网应用技术特色专业(2016tszy012);安徽省省级质量工程项目(2018sjjd114)

摘　　要：随着软件规模的逐渐扩大,软件测试作为软件生命周期中一个重要组成环节,如何生成高效的测试用例已经成为当今的研究热点,软件测试用例生成中有很多研究是基于遗传算法(GA)的,但该算法容易陷入局部最优和早熟,模拟退火算法(SA)的优点正好补充遗传算法的缺点.本文对现有的Mukesh Mann提出的基于分支距离退火遗传算法进行研究,通过模拟退火中温度变化控制变异操作,并对交叉算子进行优化,最后通过经典的三角形问题实验证明本文的改进退火遗传交叉算法(SGA)在软件测试用例生成的效率要优于传统的遗传算法.With the gradual expansion of software scale,software testing has been an important part of the software life cycle.How to generate efficient test cases has become a research hotspot today.Many studies on software test case generation are based on genetic algorithms(GA),however,the modified algorithm is easy to fall into local optimization and precocity.The advantages of simulated annealing algorithm(SA)just complement the shortcomings of genetic algorithm.This article firstly studies the existing genetic algorithm based on branch distance annealing proposed by Mukesh Mann,then the medium temperature change controls the mutation operation and optimizes the crossover operator,finally,the classic triangle problem experiments prove that the improved annealing genetic crossover algorithm(SGA)in this paper is more efficient than the traditional genetic algorithm in software test case generation.

关 键 词：GA SA 软件测试 

分 类 号：TP3-0[自动化与计算机技术—计算机科学与技术]