本书面向智能系统学科的前沿领域，针对软件测试中的热门关键技术，系统地讨论了组合软件测试中的关键技术以及计算智能方法在该领域中的应用，比较全面地反映了国内外智能组合软件测试的最新研究进展。内容包括软件测试基础、计算智能理论基础、软件可靠性、软件可靠性建模、基于群体智能的软件可靠性分配、面向故障的软件测试、灰盒测试、组合覆盖准则、基于粒子群算法的测试用例自动生成与约简、基于模拟退火的测试用例自动生成与约简、基于协同进化的测试用例自动生成与约简和基于族群进化算法构造最有组合测试用例集。 本书取材新颖、内容深入浅出，可作为软件工程专业研究生及高年级本科生的教材，也可作为软件测试人员的参考用书，还可供从事相关领域研究的教师和科技工作者参考使用。
样章试读
目录
- 前言
第1章 软件测试基础
1.1 软件测试概述
1.1.1 软件测试的起源与发展
1.1.2 软件测试的基本概念
1.1.3 软件测试的分类与方法
1.1.4 软件测试模型及演变
1.1.5 生命周期软件测试方法
1.1.6 软件测试过程管理
1.2 组合软件测试
1.2.1 组合软件测试原理
1.2.2 组合软件测试过程
1.2.3 组合软件测试模型方法
1.2.4 组合软件测试的现状和趋势
1.3 小结
参考文献
第2章 计算智能理论基础
2.1 群体智能
2.1.1 概述
2.1.2 蚁群算法
2.1.3 粒子群优化算法
2.2 进化计算
2.2.1 概述
2.2.2 进化算法的基本原理及框架
2.2.3 进化计算的应用
2.3 智能Agent
2.3.1 分布式人工智能
2.3.2 Agent的结构
2.3.3 Agent通信
2.4 小结
参考文献
第3章 软件可靠性
3.1 软件可靠性的基础理论
3.1.1 软件可靠性的定义及基本数学关系
3.1.2 软件可靠性的因素
3.1.3 软件可靠性度量的指标
3.1.4 软件失效机理
3.2 软件可靠性技术
3.2.1 软件可靠性分析技术
3.2.2 软件可靠性设计技术
3.3 小结
参考文献
第4章 软件可靠性建模
4.1 软件可靠性模型的基本特点
4.2 软件可靠性模型的特征
4.3 模型评价标准
4.3.1 模型拟合度
4.3.2 模型准确度
4.3.3 模型偏差
4.3.4 模型偏差趋势
4.4 软件可靠性模型分类
4.5 典型的可靠性模型
4.5.1 Jelinski-Moranda模型
4.5.2 Goel-Okumoto模型
4.5.3 Musa模型
4.5.4 Littlewood-Verral模型
4.5.5 Seeding模型
4.5.6 Nelson模型
4.5.7 Duane模型
参考文献
第5章 基于群体智能的软件可靠性分配
5.1 软件可靠性分配模型
5.1.1 软件可靠性特点
5.1.2 软件可靠性分配定义
5.1.3 软件成本函数
5.1.4 软件可靠性分配模型
5.2 软件可靠性分配技术
5.2.1 传统的软件可靠性分配技术
5.2.2 基于智能优化算法的软件可靠性分配技术
5.3 基于社会认知算法的软件可靠性分配问题研究
5.3.1 社会认知优化算法
5.3.2 社会认知算法的基本概念
5.3.3 社会认知算法的算法步骤
5.3.4 数值试验与仿真
5.4 基于粒子群算法的软件可靠性分配问题研究
5.4.1 粒子群优化算法的基本原理
5.4.2 粒子群优化算法的改进
5.4.3 实验及结果分析
5.4.4 小结
参考文献
第6章 面向故障的软件测试
6.1 软件故障模型
6.2 面向故障的软件测试
6.2.1 基于故障模型的静态分析
6.2.2 基于路径的内存泄漏故障分析
参考文献
第7章 灰盒测试
7.1 白盒测试
7.1.1 白盒测试的发展
7.1.2 白盒测试的主要方法
7.2 黑盒测试
7.3 灰盒测试
7.3.1 灰盒测试
7.3.2 灰盒测试与白盒测试、黑盒测试的区别
7.3.3 灰盒测试的优缺点
7.3.4 灰盒测试的自动化工具
参考文献
第8章 组合覆盖准则
8.1 覆盖准则概念
8.2 MC/DC覆盖准则
8.3 RC/DC覆盖准则
8.4 基于算法的组合覆盖准则
8.5 小结
参考文献
第9章 基于粒子群算法的测试用例自动生成与约简
9.1 基本粒子群算法
9.1.1 基本粒子群算法思想的起源
9.1.2 算法原理
9.1.3 基本粒子群算法流程
9.1.4 基本粒子群算法改进策略
9.2 离散粒子群优化算法
9.2.1 基于连续空间的离散粒子群优化算法
9.2.2 基于离散空间的离散粒子群优化算法
9.3 基于改进离散粒子群优化算法两两覆盖组合软件测试用例集生成方法
9.3.1 方法背景
9.3.2 方法内容
9.3.3 方法有益效果
9.3.4 方法具体实施方式
9.4 基于自适应粒子群算法的组合测试数据生成方法
9.4.1 概述
9.4.2 基本粒子群优化算法原理
9.4.3 基于改进粒子群优化算法的测试数据集自动生成
9.4.4 实验分析
9.4.5 小结
9.5 基于粒子群算法的测试用例约简方法
9.5.1 方法背景
9.5.2 方法具体内容
9.5.3 本方法的原理
9.5.4 具体实施方式
9.6 小结
参考文献
第10章 基于模拟退火的测试用例自动生成与约简
10.1 模拟退火算法
10.1.1 模拟退火算法概述
10.1.2 模拟退火算法
10.1.3 模拟退火算法一个简单问题的实现
10.1.4 模拟退火算法的优点和缺点
10.1.5 小结
10.2 基于模拟退火算法的测试用例自动生成
10.2.1 成对组合测试的问题
10.2.2 One-Test-At-a-Time
10.2.3 成对组合测试在模拟退火算法中使用的框架
10.2.4 算法的实现
10.2.5 算法的效率分析
10.2.6 小结
10.3 基于模拟退火算法的测试用例约简技术
10.3.1 采用模拟退火算法的用例约简
10.3.2 约简算法的设计
10.3.3 算法效率分析
10.3.4 小结
参考文献
第11章 基于协同进化的测试用例自动生成与约简
11.1 协同进化理论
11.1.1 协同进化的生物学基础
11.1.2 协同进化的动力学描述
11.2 协同进化算法的发展现状
11.2.1 基于种间竞争机制的协同进化算法
11.2.2 基于捕食-猎物机制的协同进化算法
11.2.3 基于共生机制的协同进化算法
11.2.4 基于“组织”概念的协同进化算法
11.3 组织进化优化算法
11.3.1 组织进化算子
11.3.2 组织进化优化算法
11.4 基于组织进化粒子群优化的测试用例自动生成
11.4.1 两两覆盖组合测试模型
11.4.2 算法框架
11.4.3 编码方式
11.4.4 适应度函数
11.4.5 协同进化算子
11.4.6 算法描述
11.4.7 实验结果与分析
11.5 结束语
参考文献
第12章 基于族群进化算法构造最优组合测试用例集
12.1 研究背景
12.2 基于进化算法整体构造和优化组合测试数据
12.2.1 编码
12.2.2 解码
12.2.3 适应度函数的设计
12.2.4 基于进化算法构造组合测试用例集机制的特点
12.3 族群进化算法
12.3.1 基于二进制编码的族群进化评估指标
12.3.2 基于二进制编码的族群聚类
12.3.3 族群双轨协同进化
12.3.4 EGEA的执行过程
12.4 仿真实验
12.5 结论
参考文献
京公网安备 11010102004214号