a测试用例的自动生成.pptx

会计学;随机测试数据生成方法； 自适应随机生成方法 统计测试 约束求解方法； 符号执行技术； 基于有哪些信誉好的足球投注网站的测试数据生成方法。;随机测试是通过在输入域中通过随机选择的方式来产生测试数据。测试人员按自己的想法随手产生的测试用例也可以认为是随机测试。 随机测试无处不在：几乎所有的测试数据生成方法最终都需要结合随机测试方法，以产生较好的测试数据分布。 优点： 1）简单：不需要过多的信息；不需要开发复杂的程序；一般而言，算法复杂度为o(n)。 2）适应性广，几乎可以用于???有的测试方案中。（因为不需要过多的信息）。 3）开销低，可以作为其他测试方法的补充。（算法复杂度已经到了最低的极限）。;缺点： 1）测试数据发现程序失效的效率较低； 2）难以确定测试的效果和停止测试的时机； 3）需要大量开销来计算所产生大量的测试数据的预期输出。（Oracle问题） 随机测试的用途 1）在没有足够的信息支持其他测试方法时； 2）如果能够有办法不使用预期结果进行测试的验证，如：冒烟测试、参考测试、蜕化测试等； 3）作为其他测试方法的支持； 4）在刚开始进行测试时，初步发现错误。;随机测试的实现：对于简单的程序输入，如整数、实数等，可以直接产生随机数据。其他数据类型，需要进行数据的映射和转换。 复杂数据类型的随机数据生成 1）对被测软件的输入空间进行建模，为测试数据的随机生成创造条件。 2）产生随机数，映射到输入空间的某个点，将该点转换为一个测试数据。;输入空间建模问题： 1）每一个可能的输入在空间中都有一个对应的点；空间中每一个点都对应一个输入。 2）注意各种类型的数据在空间中分布的情况。例如，避免过多地生成失效数据。 3）注意计算机产生的随机数是实数，需要建立一种简单、方便的映射算法，把随机生成的数据（可能是多个数据）映射为输入数据。 4）所建立的空间模型，和程序需要的数据可能有差异，如忽略了某些重要的约束条件，需要对生成的测试数据进行再加工。 ;例：为某个输入为二叉树的程序构造测试用例 1）二叉树的先根序列和中根序列将唯一确定一棵二叉树；因此可以将二叉树的空间结构映射为一个1,...,n的随机序列。这个随机序列对应一棵二叉树的中根序列，而这棵二叉树的先根序列是1,...,n。 2）生成过程分为三个步骤，首先随机生成一个整数n，代表树的结点数目；生成长度为n的随机序列；根据随机序列构造一个二叉树。;在很久以前，有人(Mayers)认为随机测试是效率最低的方法，因为它没有使用任何信息。 由于随机测试的简单特性，依然在各种测试中广泛应用。 后来有人比较分割测试（Partition testing）和随机测试的效率，发现不恰当的分割测试比随机测试的效果还差。 分割测试和随机测试比较的简单介绍。;随机测试所生成的测试数据在发现错误方面是低效率的。为此，有各种改进的方法。主要的思想是：根据某些信息，为随机测试提供生成的指导。 自适应随机测试(Adaptive Random Testing)：根据失效输入一般会集中出现在输入空间的某个局部区域的特征，提出将测试用例尽量均匀地分布在整个输入空间，从而提高测试用例发现错误的效率。 概率测试：根据用户的需求，为对输入空间进行划分，不同部分用不同的概率产生测试用例。 统计测试：先使用随机测试，当进行到一定程度时停止，再使用其他测试方法产生测试用例。;在被测程序中，失效输入通常会集中在输入空间的某几个地方，被称为失效区域。失效区域形状被归类为3种。;自适应随机测试的基本思想：每当生成一个新的测试用例的时候，尽量远离原有的测试用例。 一些具体办法： 1）基于距离的，FSCS(Fixed size of candidate set)，先随机生成几个测试用例（候选集），计算这些测试用例和已经生成的测试用例的距离，选择距离最大的那个作为新的测试用例。 2）基于排除域的，RRT(Rejected Region testing)，在每一个已生成的测试用例的附近指定一块排除域，随机产生一个测试用例，如果这个测试用例不在任何一个排除域中，那么它就成为新的测试用例。;一些具体的方法 3）基于分割的，利用已生成的测试用例把整个输入空间分割成若干个部分，从最大的那个部分中选择测试用例。 4）基于概率函数的，通过设定概率函数，将距离现有的测试用例较远的输入空间的点的概率设大，越近的越小。;自适应随机测试的优点 与随机测试相比，能够大幅度提高所生成测试用例的效率； 不需要额外增加信息。因为自适应随机测试运用的是测试中的一般规律。 自适应随机测试的缺点 计算复杂度大幅度提高：通常达到O(n2)甚至更高。 在实践应用中效果不好。;在自适应随机测试研究中得到的一个重要结论：即使我们知道失效区域的形状、大小、方向等信息，但我们不知道失效区域的位置。那么我们无