[发明专利]一种基于DE-TH算法的测试用例生成方法及系统

权利要求书

1.一种基于拓扑超立方体学习策略的差分演化DE-TH算法的测试用例生成方法，其特征在于，包括：

对被测程序进行静态分析，提取所述被测程序的静态结构信息；

基于拓扑超立方体学习策略的差分演化DE-TH算法和所述静态结构信息，生成测试新种群；包括：

基于所述静态结构信息初始化种群；

基于差分策略，实现种群的个体突变；

将父代个体与突变个体进行二项交叉；其中，父代个体和突变个体进行二项式交叉操作，生成试验个体u_i，进而保持种群的多样性；当一个[0,1]之间的随机数小于等于交叉概率，或者当前维度索引等于一个随机产生的维度索引时，用v_i,j来更新u_i,j；否则，用x_i,j更新u_i,j；更新过程如下：

式中，u_i,j表示第i个试验个体的第j维；v_i,j表示第i个突变个体的第j维；x_i,j表示第i个父代个体的第j维；CR表示交叉概率；j_rand表示在第j维中随机产生的维度索引；

基于拓扑超立方体学习策略，充分利用当前最优个体信息进行迭代；其中，当满足一个跳转条件时，拓扑超立方体学习策略才被执行；对于一个D维的试验个体u_i，拓扑超立方体学习THBL策略根据试验个体的每个维度中的当前数u_i，j生成对立数然后u_i，j和根据一个相同的搜索步长控制参数k产生和记Up_j和Low_j是个体在第j维的上下限，和的计算方法如下：

和是一对对立数；

接着，拓扑超立方体学习THBL策略将u_i的某些维度用它们的和中的其中一个来替换，就生成了一个新的点，而最后可以生成(4^D-1)个新的点；把这(4^D-1)个点和当前点都称为拓扑超立方体点，记为l＝1,2,...,4^D.拓扑超立方体点集合记为

然后，用到当前最优解x_best的曼哈顿距离最短的拓扑超立方体点来更新当前点u_i；过程如下：

这里

式中，x_best,j是当前最优解的第j维；是第l个拓扑超立方体点的第j维；

生成测试新种群；

在当前迭代完成后，将所述新种群解码为满足被测程序的测试用例集。

2.根据权利要求1所述的基于拓扑超立方体学习策略的差分演化DE-TH算法的测试用例生成方法，其特征在于，在所述在当前迭代完成后，将所述新种群解码为满足被测程序的测试用例集后，所述方法还包括：

将所述测试用例集作为被测程序的数据输入，以检测所述被测程序的缺陷。

3.根据权利要求2所述的基于拓扑超立方体学习策略的差分演化DE-TH算法的测试用例生成方法，其特征在于，在将所述测试用例集作为被测程序的数据输入，以检测所述被测程序的缺陷之后，所述方法还包括：

驱动被测程序并记录输出结果，同时更新路径覆盖信息和测试套件。

4.根据权利要求3所述的基于拓扑超立方体学习策略的差分演化DE-TH算法的测试用例生成方法，其特征在于，在所述驱动被测程序并记录输出结果，同时更新路径覆盖信息和测试套件之后，所述方法还包括：

若判断所述拓扑超立方体学习策略的差分演化DE-TH算法未达到了终止条件，则计算测试用例的适应度函数值，用贪婪选择机制来更新当前种群以生成下一代种群，否则，终止算法。

5.根据权利要求1所述的基于拓扑超立方体学习策略的差分演化DE-TH算法的测试用例生成方法，其特征在于，所述对被测程序进行静态分析，提取所述被测程序的静态结构信息，包括：

提取测试数据的类型、范围参数以及被测程序中要进行测试的路径集合。