[发明专利]一种基于启发式算法的Web服务众包测试任务分配方法

说明书

本发明公开了一种基于启发式算法的Web服务众包测试任务分配方法，包括以下步骤：S1：请求者将多个众包工作以测试任务的形式提交众包平台；S2：任务分配优化系统建立至少包含测试任务属性、测试工人属性、分配因素的任务分配模型，根据任务分配模型确认目标函数和约束条件；S3：任务分配优化系统基于任务分配模型采用HE算法进行测试任务和测试工人之间的优化分配，并根据众包平台设置的任务发布条件发布任务，并将任务信息显示给测试工人；S4：测试工人完成相应任务后将结果反馈给众包平台，众包平台将各任务的完成结果进行归纳整理。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于启发式算法的Web服务众包测试任务分配方法。

背景技术

目前，随着web服务的应用愈加广泛，人们越来越关注web服务的质量，而web服务测试是其质量保证的重要手段。由于传统web服务测试由雇佣的顾问和专业人员来执行，其提交的结果存在单一性和片面性，同时专业人员数量小任务重，导致测试任务的效率较低。而众包测试是近年来新兴的一种测试方式，可以利用大众的测试能力和测试资源，在短时间内完成测试，并且可反馈更加全面真实的人为测试结果。因此，众包测试成为我们的首选，使用众测方式对web服务进行测试是一种可行有效的测试方式。其中，在众包环境下的web服务测试中，测试任务的分配是一个重要的问题。在众包中，任务分配是通过众包平台将请求者发布的任务合适的匹配给满足一定条件的测试者。但是采用何种分配算法，设定何种约束条件，以及约束条件的阈值设为多少，都将会影响最终匹配结果的质量。文献[2]提出的在众包环境下测试任务的分配方法是在每个测试区域内选择一个测试工人，来代表该范围内所有工人对任务的测试结果(因为相同区域内的网络环境相似，可能会提交相似的结果，因此为了避免冗余，仅选一个做代表)。该方法虽保证了测试范围，但没有考虑工人的能力水平和工资要求。而文献[1]提出了Smartcrowd框架用于优化知识密集型人群的任务分配，将知识密集型工人的分配问题作为优化问题，此方法中考虑了工人的专业技能，工资要求等条件，他将web服务测试中的任务分配问题规约为约束求解问题，通过目标函数以及约束条件使其找到最优分配，以提高web服务测试任务的完成质量。还提出了贪婪算法，使它在给定的任务和工作池的情况下，用不同的概率随机的抽取工人，通过计算该工人的边际增益，以及多次平滑来确定是否将该工人加入该任务，从而得到全局最优解。由于[1]中的方法考虑到了工人的能力水平和工资要求，

上述文献[1]中的方法可以通过约束求解器和贪婪算法来实现。通过约束求解方法，可以得到全局最优的分配结果。但它仅在任务和工人数都较少时，可以在可接受的时间里完成分配方案的求解，但是当要处理的任务数和工人数较多时，优化时间将大大增加。可见，约束求解方法只能快速的解决小规模任务时的问题，当要处理的数据规模较大时，执行效率将大大下降。而使用贪婪算法，虽然可以保证一定的求解效率，但其所求的分配结果的质量较低。因此，这两种方法始终不能很好的平衡执行效率和解的质量之间的关系。上述文献[2]中的方法，仅考虑覆盖到更大的测试区域，避免了各个区域内工人提交的测试结果的冗余。对众包测试者的能力，工资等要求没有考虑。总体来说考虑的因素都比较片面。

发明内容

根据现有技术存在的问题，本发明公开了一种基于启发式算法的Web服务众包测试任务分配方法，具体包括以下步骤：

S1：请求者将多个众包工作以测试任务的形式提交众包平台，众包平台将测试任务传送给任务分配优化系统进行web服务测试任务与测试工人之间的匹配；

S2：建立至少包含测试任务属性、测试工人属性、分配因素的任务分配模型，根据任务分配模型确认该模型的目标函数和约束条件；

S3：基于任务分配模型采用HE算法进行测试任务和测试工人之间的优化分配，并根据众包平台设置的任务发布条件发布任务，并将任务信息显示给测试工人；

S4：测试工人完成相应任务后将结果反馈给众包平台，众包平台将各测试任务的完成结果进行归纳整理。

进一步的，所述任务分配模型的目标函数为：