[发明专利]改进个体信息共享的多目标路径覆盖测试方法及实现系统

权利要求书

1.一种改进个体信息共享的多目标路径覆盖测试方法，其特征在于，包括以下步骤：

步骤一，以融合个体信息共享改进方法，构建一个多路径覆盖问题的数学模型；

最终的数学模型由n个子函数max(F_i)构成，每个子函数对应一个优化问题，每个优化问题对应一个覆盖目标路径的测试数据；每个子函数分别对应一条具体的目标路径，通过对各个子函数求解，找到对应每个子函数的解，形成一个包含多个解的解集合；

步骤二，改进遗传算法生成多目标路径覆盖测试用例；

种群集POP={pop₁, pop₂, …, pop_i, …,pop_n} (i =1, 2, …, n)中包括多个子种群pop_i，对其中任意一个子种群pop_i中的个体，首先判定该子种群pop_i个体是否是子函数max(F_i)的最优解，然后判定子函数max(F_i)的最优解是否是其它种群对应的子函数max(F_k) (k≠i)的最优解，以实现每个子种群分别被判定用于全部n个子函数的求解；

针对第i个子种群的第j个个体e_ij为子函数max(F_i) (k≠i)的最优解的判定条件是：比较该个体的覆盖路径p(e_ij)是否和目标路径p_k一致；当比较结果一致时，个体e_ij就是第k个优化函数的最优解；当比较结果不一致时，个体e_ij不参与k种群进化过程，不计算在第k条目标路径上的适应度函数值；

利用步骤二进行多路径覆盖测试遗传算法包括如下具体步骤：

step 1，对被测程序进行插桩处理，初始化参数：

设定算法执行时的参数，包括种群数n，种群中个体数m，目标路径集中目标路径数n，种群进化需要的选择、交叉和变异概率值；

step 2，种群初始化：

路径集P={p₁, p₂,p₃, …,p_i, …,p_n} (i =1, 2, …, n)，对任意属于P的目标路径p_i，随机生成个体数为n的子种群pop_i；

step 3，编码个体，执行插桩后的程序(不执行进化操作)：

采用二进制编码格式，执行程序获取各种群尝试覆盖的目标路径集中路径的效果；

step 4，收集各子种群覆盖目标路径集的结果，并对各子种群进行排序：

根据获得的各种群覆盖的数据结果，对种群集中各种群按覆盖路径的数量排序，并按照排序后的种群次序执行；

step 5，计算种群个体的适应度值，并判断是否为最优解：

对第i个子种群pop_i，计算该子种群pop_i中个体覆盖第i条路径的适应度值的最大值max(F_i(in_i))；如果存在个体的适应度值达到最大值，说明该个体覆盖目标路径p_i，将p_i从目标路径集中移除，否则转向step 9；

step 6，判断pop_i是否移除：

当i≠n时，pop_i需要对第i+1到n条目标路径尝试覆盖，如果找到覆盖第j(ji)条路径的个体，将pop_j移除，直到完成尝试对第n条路径覆盖后，终止pop_i的执行；

step 7，通过信息共享覆盖：

pop_i中个体除了判定是否是y_i = max(F_i(in_i))的最优解，还需要判定是否是y_k(k≠i)的最优解，如果pop_i中个体能够覆盖第k条目标路径，则pop_k终止；

step 8，判断算法是否终止：

若目标路径P被全部覆盖，则表明算法完成任务，终止程序执行，或种群进化代数超出阈值，转向step 10；

step 9，种群进化：

对该子种群pop_i执行轮盘赌进行选择算子、交叉算子和变异算子的遗传操作，执行完后转向step 5；

step 10，程序执行结束。