[发明专利]产生测试脚本的方法和系统

说明书

提供了一种产生测试脚本的方法和系统。所述方法包括：获取用于生成测试脚本的人工智能模型；获取样本数据；基于样本数据，对所述人工智能模型进行训练；利用训练后的人工智能模型对目标应用生成测试脚本；其中，所述测试脚本用于模拟对所述目标应用的界面的系列点击操作。

技术领域

本公开涉及计算机技术领域，更具体地讲，涉及一种产生测试脚本的方法和系统。

背景技术

目前常规的自动化测试需要人工参与测试方案的设计，测试路径固定，往往只考虑有限次数的点击或返回，无法穷尽用户的随机行为。而目前的探索式自动化测试(例如，Monkey测试)常用来随机探索各种复杂的路径，期望找出一些特殊路径才会出现的严重问题，例如Android APP经常出现的FC(强行关闭，Force Close)、ANR(应用程序无响应，Application Not Responding)等问题，往往存在两个问题：(1)存在大量的无效点击，如果应用存在比较大的空白处，这种现象更加明显；(2)偶尔会出现误操作的情况，导致退出了当前的APP，影响测试的流程。

发明内容

本公开的示例性实施例可至少解决上述问题，也可不解决上述问题。

在一个方面，提供了一种产生测试脚本的方法，包括：获取用于生成测试脚本的人工智能模型；获取样本数据；基于样本数据，对人工智能模型进行训练；利用训练后的人工智能模型对目标应用生成测试脚本；其中，测试脚本用于模拟对目标应用的界面的系列点击操作。

可选地，获取样本数据的步骤可包括：从存储多个样本数据的经验数据池抽取预定数量的样本数据。

可选地，经验数据池的初始样本数据可包括：使用随机搜索方法对目标应用进行测试获得的样本数据。

可选地，可通过以下方式使用随机搜索方法对目标应用进行测试获得样本数据：在目标应用的被测界面下使用探索式自动化测试方法模拟被测界面下的点击；获取目标应用执行与点击对应的动作所产生的反馈数据；基于反馈数据，获取样本数据。

可选地，经验数据池的样本数据可包括：在对人工智能模型进行训练的过程中利用人工智能模型获得的样本数据。

可选地，可通过以下方式在对人工智能模型进行训练的过程中利用人工智能模型获得样本数据：获取目标应用的被测界面；将目标应用的界面输入每一轮更新后的人工智能模型，获得被测界面下的点击对应的动作；获取目标应用执行被测界面下的点击对应的动作所产生的反馈数据；基于反馈数据，获取样本数据。

可选地，样本数据可包括目标应用的被测界面、被测界面下的点击对应的动作、有效性奖励值、跳转界面和终止标识，其中，有效性奖励值指示目标应用执行被测界面下的点击对应的动作后界面变化的奖励值，跳转界面是指目标应用执行被测界面下的点击对应的动作所跳转到的界面，终止标识指示界面变化是否终止的符号。

可选地，当使用策略梯度算法对人工智能模型进行训练时，被测界面下的点击对应的动作可包括在被测界面下的点击的位置的坐标；

其中，当使用深度Q网络算法对人工智能模型进行训练时，目标应用的界面可包括被平均划分后得到的预定数目个子界面，被测界面下的点击对应的动作可包括在被测界面下点击的位置对应的子界面的中心坐标。

可选地，对人工智能模型进行训练步骤可包括：使用策略梯度算法或者深度Q网络算法对人工智能模型进行训练。

可选地，所述方法还可包括：利用生成的测试脚本对所述目标应用进行测试；并在对所述目标应用进行测试的过程中，记录测试路径，直到测试结束，将测试过程中记录的测试路径记录为一次完整的测试路径。

可选地，测试结束的条件可包括测试出现错误时结束和再次回到同一界面时结束中的至少一个。