[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

摘要

本发明公开了一种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，该覆盖方法包括步骤一，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，以挖掘每个子种群的价值；步骤二，多路径覆盖测试用例生成遗传算法；改进个体信息共享的路径覆盖策略；对种群集中的各种群按覆盖效果进行排序；通过个体关系矩阵的比较法减少难覆盖路径的计算量。和传统的多种群路径覆盖方法相比，在覆盖率、准确率以及时间方面效果更佳。通过种群个体信息共享策略，大大降低了因多个子种群存在而产生的计算量增加问题，在对难覆盖路径的处理上，提出的方法有效地提升了目标路径集的覆盖效率。

主权项

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部被判定用于全部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。