[发明专利]基于CS-SPSO算法的组合测试用例生成方法

摘要

本发明公开了一种基于CS‑SPSO算法的组合测试用例生成方法，属于软件测试领域。本发明包括：通过约束分析获得需覆盖的组合集；将取值最多的两个因素进行组合并进行约束分析得到最后的组合；根据类IPO策略确定其余元素的所有组合；将组合分为N个小种群，利用简化粒子群对这N个小种群进行局部搜索，充分发挥简化粒子群局部搜索的优势；再将得到的N个最优粒子作为布谷鸟算法的初始值进行深度优化，生成单条测试用例。位置更新时使用反射墙策略对粒子位置进行边界处理，防止飞出有效的搜索空间。本发明可适用于不同覆盖强度的覆盖表，有效缩减了组合测试用例集的规模，并大幅度提升了组合测试用例的生成效率。

主权项

1.一种基于CS‑SPSO算法的组合测试用例生成方法，其特征在于包括如下步骤：(1)对输入空间进行建模，获取各因素及其取值范围；(2)通过对约束条件分析，获取需覆盖的n个因素的取值组合，即组合覆盖集S；(3)根据n个因素中包含的取值范围个数对n个因素进行非递增排序，按照排序最靠前的两个因素的取值进行组合并进行约束条件的分析，得到两两组合集S′，其中两两组合集S′中包含了若干个两两组合；(4)从S′中随机取出一个两两组合s′，将剩余的n‑2个因素与s′生成的所有组合映射成粒子，初始化每个粒子的位置矢量X_i，并分成N个等大的小种群，各小种群在各自所在的领域并行寻优；(5)每个小种群并行计算适应度函数，得到每个粒子的适应值；(6)更新每个粒子的最佳位置p_i和整个种群的最佳位置p_g，根据粒子与当前最优粒子之间的距离对惯性权重w进行自适应调整，寻找个体最优解和群体最优解，直到达到预设的最大迭代次数；(7)将N个小种群的群体最优解作为布谷鸟算法的初始值，通过Lévy飞行计算出全局最优解，生成单条测试用例；(8)将步骤(7)生成的单条测试用例存入组合测试用例集TS中，并从组合覆盖集S中剔除已覆盖的组合，得到新的组合覆盖集S(t+1)，从两两组合集S′中剔除两两组合s′，得到新的两两组合集S′(t+1)；(9)判断两两组合集S′(t+1)是否为空，若否，重复步骤(4)～(8)，若是，执行步骤(10)；(10)判断组合覆盖集S(t+1)是否为空，若是，输出组合测试用例集TS，若否，则随机取出组合覆盖集S(t+1)中的一个取值组合，重复步骤(4)～(9)。