[发明专利]一种基于EFSM模型和聚类分析的测试用例排序方法

权利要求书

1.一种基于EFSM模型和聚类分析的测试用例排序方法，其特征包括如下步骤：

步骤1：构建EFSM模型的复杂网络模型，统计状态权重；

步骤2：构建测试用例的状态向量；

测试用例状态向量被定义为EFSM模型中所有状态是否在当前测试用例中被包含的有序对；假设EFSM模型中有m个状态，状态表示为s₁，s₂，s₃，...，s_m，则当前测试用例是否包含EFSM模型第a个状态表示为|s_a|，1≤a≤m，当测试用例包含状态s_a，则|s_a|＝1，当不包含状态s_a，则|s_a|＝0，状态向量sv＝＜|s₁|，|s₂|，|s₃|，...，|s_m|＞；

步骤3：结合状态向量和状态权重信息计算任意两个测试用例相似度；

具体如下：假设EFSM模型中有m个状态，状态表示为s₁，s₂，s₃，...，s_m，存在两个测试用例T_i，T_j，对应的状态向量分别为sv_i＝＜|s₁|，|s₂|，|s₃|，...，|s_m|＞，sv_j＝＜|s₁|，|s₂|，|s₃|，...，|s_m|＞，两个测试用例共有的状态为s_p，s_q，s_r，共有状态在状态向量中分别表示为|s_p|，|s_q|，|s_r|，状态对应的权重分别为因此可得出相似度公式如下，

其中1≤p≤m，1≤q≤m，1≤r≤m and p≠q，p≠r，q≠r；

步骤4：根据相似度设计改进的K均值聚类，对测试用例进行聚类分析，尽可能使得不同簇中的测试用例不同；

具体为：4-1.测试用例之间的距离定义；

越相似的两个测试用例则距离越近，则当两个测试用例相似度不为0时，采用相似度的倒数作为两个测试用例的距离测量；当两个测试用例相似度为0时，则距离为∞；因此，对于任意两个测试用例T_i和T_j，其距离定义如下：

其中，为根据公式(3)得到的两个测试用例的相似度；

4-2.测试用例到簇的距离定义；假设存在一个测试用例T和一个包含N个测试用例的簇C，N个测试用例分别为T₁，T₂，T₃，...，T_N，则该测试用例与簇C的距离dis_TC表示为：

4-3.改进的K均值聚类算法具体实现步骤为：

1)簇集合初始化；在未被聚类的测试用例集中选取K个测试用例，放到簇集合的各个簇中，作为各个簇的初始元素，各个簇表示为c₁，c₂，c₃，...c_K；

2)对于未聚类的测试用例集，根据公式(5)计算它们与这些簇的距离，按距离最近的准则将它们放到与之距离最近的簇中；当所有元素被分类到各个簇中，则完成第1次簇更新；

3)更新各个簇的元素；对于未聚类原始用例集中每一个元素，根据公式(5)计算它们与这些簇的距离，即在第P次簇集合更新中，一个元素到c_v的距离为该元素到第P-1次更新的簇集合中c_v的距离，将该元素归类到与之距离最小的簇中，1≤v≤K；

4)判断本次聚类结果与上一次是否一致；若一致，则输出聚类结果，若不一致，则执行3)；

步骤5：结合聚类结果，设计测试用例排序策略，其中，将未被覆盖的迁移的个数作为测试用例的优先级。