[发明专利]基于分解的权重向量自适应的多目标测试用例排序方法

权利要求书

1.基于分解的权重向量自适应的多目标测试用例排序方法，其特征在于，包括以下步骤：

S1.假设某个待测试程序有m个分支，用n个测试用例对其进行回归测试，将测试用例集表示为Ψ＝{T₁，T₂，...，T_n}，其中T_i(1≤i≤n)为测试用例集中第i个测试用例，构造分支覆盖矩阵A_n×m和有效执行时间向量V＝(t₁，t₂，...，t_n)，其中t_i(i＝1，2，...，n)是对应第i个测试用例的有效执行时间，若第i个测试用例执行中覆盖了第j个分支，则A_ij＝1，否则A_ij＝0；

S2.编码：给定测试程序和测试用例集合，对集合中每一个测试用例用1到n进行编号，测试用例优先级序列就是一个测试用例编号的全排列；

S3.设置适应度函数：

S4.权重向量初始化：

S5.初始化：

S6.迭代过程：令gen＝0；根据每一个权重向量w_u和适应度函数集F(x)得到Q个子问题ζ_u(x)，u＝1，2，...，Q；

S7.如果gen≤maxGen，则返回S6，否则转到S8；

S8.输出EP，EP中的每一个个体所对应的序列便是一个优化后的测试用例的排序；用户根据对目标的偏好，选择合适的解。

2.根据权利要求1所述的基于分解的权重向量自适应的多目标测试用例排序方法，其特征在于，S3具体方法如下：

选择平均分支覆盖率(Average Percentage of Branch Coverage，APBC)和有效执行时间(Effective Execution Time，EET)作优化目标来衡量一个测试用例优先级序列的优劣；假设执行完序列上的前n′(n′≤n)个测试用例时，能够覆盖被测试程序中的所有分支，由此构造出适应度函数集F(x)，F(x)＝(APBC，EET)，其中TB_j表示测试用例优先级序列中首个覆盖程序中第j个分支的测试用例的位置。

3.根据权利要求1所述的基于分解的权重向量自适应的多目标测试用例排序方法，其特征在于，S4具体方法如下：

创建一个包含l个二维单位向量的集合E＝{e₁，e₂，...，e_l}作为权重向量的候选集，以及一个单位矩阵计算每一个单位向量与W中每一个子向量的欧式距离之和，并选择距离之和最大的单位向量e_s加入到W中，并将其从E中去除；重复此操作；当W中单位向量的个数量达到Q时，Q是期望得到的最终解集中解的个数，且Q≤l+2，停止该操作，得到最终的权重向量集合L。

4.根据权利要求1所述的基于分解的权重向量自适应的多目标测试用例排序方法，其特征在于，S5具体方法如下：

设置最大迭代次数maxGen；随机产生一个规模为N(N＝m*n)的初始种群P₀＝{x₁，x₂，...，x_N}；计算每个个体(是n个测试用例的一个全排列)与每个权重向量w_u(w_u∈L)之间的欧式距离，查找距离每个权重向量w_u最近的n_p个个体，并标记为w_u的邻域设置初始理想点z^*＝(0，0)，初始化存储容器EP＝Φ。

5.根据权利要求4所述的基于分解的权重向量自适应的多目标测试用例排序方法，其特征在于，S6具体方法如下：

S61.遗传过程：令iter＝0；

S611.选择：对于每一个子问题ζ_u，计算其邻域B_u中每一个个体x_uv(v＝1，2，...，n_p)的适应度f_uv，进一步计算其被选择的概率利用轮盘赌算法，选出两个个体x_ua和x_ub；

S612.交叉：通过基于位置的交叉算法(PBX)对x_ua和x_ub执行交叉操作，具体过程如下：随机生成个互不相同整数且生成序列中位置的值与x_ua中位置的值相同；找出x_ua中位置值在x_ub中的位置，再将x_ub中其余位置对应的值按顺序放入的空余位置中，得到新序列同理生成

S613.变异：对分别进行变异操作，即对于和分别随机生成两个位置，并将这两个位置上的值进行交换，得到

S614.更新：比较和的大小，若则记否则记将和x_ua进行切比雪夫比较，如果则用替换x_ua；同理比较和的大小，若则记否则记将和x_ub进行切比雪夫比较，如果则用替换x_ub；iter＝iter+1；

S615.若此则返回S611；

S62.从每个邻域中选择最优的x_uv放入EP中，并从EP中删除所有被x_uv帕累托占优的个体；

S63.更新理想点z^*：比较每个个体在F(x)目标空间中的每个目标的适应度值，并取其最小值作为z^*在该维度上的值；

S64.更新权重向量：并将其单位化

S65.更新每一个子问题ζ_u(x)的邻域B_u；置gen＝gen+1。