人工智能技術(shù)增強(qiáng)變異測(cè)試的理論及應(yīng)用

定　價(jià)：￥56.00

作　者：	黨向盈，鞏敦衛(wèi)，姚香娟
出版社：	江蘇大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787568415125	出版時(shí)間：	2020-12-01	包裝：
開本：	16開	頁(yè)數(shù)：	221	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　軟件測(cè)試通過檢測(cè)盡可能多的缺陷來(lái)保證軟件質(zhì)量。變異測(cè)試是一種面向缺陷的測(cè)試技術(shù)。本書主要研究人工智能技術(shù)增強(qiáng)變異測(cè)試的理論及應(yīng)用。本書融合人工智能中的進(jìn)化算法和聚類，以及統(tǒng)計(jì)分析等方法，增強(qiáng)變異測(cè)試，是自動(dòng)化、人工智能、應(yīng)用數(shù)學(xué)及計(jì)算機(jī)等多個(gè)學(xué)科的有機(jī)交叉。研究?jī)?nèi)容具有明確的應(yīng)用背景和產(chǎn)業(yè)需求，富有鮮明的新穎性和挑戰(zhàn)性。本書可供高等院校計(jì)算機(jī)、自動(dòng)化等專業(yè)的教師及研究生閱讀，也可供自然科學(xué)和工程技術(shù)領(lǐng)域的研究人員及軟件測(cè)試從業(yè)人員參考。

作者簡(jiǎn)介

　　黨向盈，女，博士，徐州工程學(xué)院副教授。研究方向?yàn)榛谒阉鞯能浖こ?、進(jìn)化算法應(yīng)用和圖像處理。近年來(lái)，主持或參與省部級(jí)項(xiàng)目3項(xiàng)，主持市廳級(jí)項(xiàng)目4項(xiàng)，參與國(guó)家自然科學(xué)基金項(xiàng)目3項(xiàng)。

圖書目錄

1 緒論
1.1 變異測(cè)試研究現(xiàn)狀
1.2 研究?jī)?nèi)容
1.3 研究成果及意義
1.4 本書框架
1.5 進(jìn)一步研究?jī)?nèi)容
1.6 本章小結(jié)
參考文獻(xiàn)
2 相關(guān)技術(shù)工作
2.1 變異測(cè)試
2.2 變異分支
2.3 軟件測(cè)試數(shù)據(jù)生成
2.3.1 基于結(jié)構(gòu)覆蓋的測(cè)試數(shù)據(jù)生成
2.3.2 基于搜索的測(cè)試數(shù)據(jù)生成
2.4 聚類
2.5 多種群遺傳算法
2.6 本章小結(jié)
參考文獻(xiàn)
3 基于多種群遺傳算法的路徑覆蓋變異測(cè)試數(shù)據(jù)生成
3.1 研究動(dòng)機(jī)
3.2 整體框架
3.3 變異分支構(gòu)建可執(zhí)行路徑
3.3.1 基于同一被測(cè)語(yǔ)句變異形成新變異分支
3.3.2 基于新變異分支構(gòu)建可執(zhí)行子路徑
3.3.3 基于統(tǒng)計(jì)分析構(gòu)建可執(zhí)行路徑
3.4 基于路徑覆蓋的測(cè)試數(shù)據(jù)生成數(shù)學(xué)模型
3.5 基于MGA覆蓋多路徑測(cè)試數(shù)據(jù)生成
3.6 實(shí)驗(yàn)
3.6.1 需要驗(yàn)證的問題
3.6.2 實(shí)驗(yàn)設(shè)置
3.6.3 實(shí)驗(yàn)過程
3.6.4 實(shí)驗(yàn)結(jié)果
3.7 本章小結(jié)
參考文獻(xiàn)
4 模糊聚類和進(jìn)化算法增強(qiáng)變異測(cè)試數(shù)據(jù)生成
4.1 研究動(dòng)機(jī)
4.2 整體框架
4.3 模糊聚類變異分支
4.3.1 基本定義
4.3.2 排序變異分支
4.3.3 聚類變異分支
4.4 基于分支覆蓋約束的測(cè)試數(shù)據(jù)生成多任務(wù)數(shù)學(xué)模型
4.4.1 目標(biāo)函數(shù)
4.4.2 約束函數(shù)
4.4.3 數(shù)學(xué)模型
4.5 基于MGA測(cè)試數(shù)據(jù)有序生成
4.6 實(shí)驗(yàn)
4.6.1 需要驗(yàn)證的問題
4.6.2 實(shí)驗(yàn)設(shè)置
4.6.3 實(shí)驗(yàn)過程
4.6.4 實(shí)驗(yàn)結(jié)果
4.7 本章小結(jié)101
參考文獻(xiàn)
5 基于多種群協(xié)同進(jìn)化搜索域動(dòng)態(tài)縮減的變異測(cè)試數(shù)據(jù)生成
5.1 研究動(dòng)機(jī)
5.2 整體框架
5.3 確定頑固變異體
5.3.1 變異分支的執(zhí)行概率
5.3.2 變異分支涉及程序輸入變量的復(fù)雜度
5.3.3 綜合指標(biāo)
5.4 基于路徑覆蓋約束的測(cè)試數(shù)據(jù)生成數(shù)學(xué)模型
5.4.1 目標(biāo)函數(shù)ii
5.4.2 約束函數(shù)ii
5.4.3 數(shù)學(xué)模型 iii
5.5 基于CGA的搜索域動(dòng)態(tài)縮減測(cè)試數(shù)據(jù)生成
5.5.1 算法描述
5.5.2 搜索域縮減時(shí)機(jī)
5.5.3 搜索域縮減策略
5.6 實(shí)驗(yàn)
5.6.1 需要驗(yàn)證的問題
5.6.2 實(shí)驗(yàn)設(shè)置
5.6.3 實(shí)驗(yàn)過程
5.6.4 實(shí)驗(yàn)結(jié)果
5.7 本章小結(jié)
參考文獻(xiàn)
6 基于程序輸入分組變異分支的測(cè)試數(shù)據(jù)進(jìn)化生成
6.1 研究動(dòng)機(jī)
6.2 整體框架
6.3 基于程序輸入分組變異分支
6.3.1 變異分支與輸入變量之間的相關(guān)性
6.3.2 分組變異分支
6.4 基于相關(guān)輸入變量的測(cè)試數(shù)據(jù)生成數(shù)學(xué)模型
6.5 基于MGA多任務(wù)測(cè)試數(shù)據(jù)生成
6.6 實(shí)驗(yàn)
6.6.1 需要驗(yàn)證的問題
6.6.2 實(shí)驗(yàn)設(shè)置
6.6.3 實(shí)驗(yàn)過程
6.6.4 實(shí)驗(yàn)結(jié)果
6.7 本章小結(jié)
參考文獻(xiàn)
7 并行程序的變異測(cè)試數(shù)據(jù)進(jìn)化生成
7.1 研究動(dòng)機(jī)
7.2 整體框架
7.3 并行程序的變異測(cè)試問題轉(zhuǎn)化
7.3.1 基本概念
7.3.2 并行程序變異分支的相關(guān)度
7.3.3 并行程序變異分支覆蓋難度
7.3.4 生成可執(zhí)行路徑集合
7.4 覆蓋多路徑測(cè)試數(shù)據(jù)生成的數(shù)學(xué)模型
7.5 基于MGA生成覆蓋并行程序多路徑測(cè)試數(shù)據(jù)
7.6 實(shí)驗(yàn)
7.6.1 需要驗(yàn)證的問題
7.6.2 實(shí)驗(yàn)設(shè)置
7.6.3 實(shí)驗(yàn)過程
7.6.4 實(shí)驗(yàn)結(jié)果
7.7 本章小結(jié)
參考文獻(xiàn)
8 測(cè)試環(huán)境配置
8.1 SIR測(cè)試目標(biāo)
8.2 并行程序?qū)嶒?yàn)配置
8.2.1 消息傳遞接口
8.2.2 運(yùn)行平臺(tái)
參考文獻(xiàn)
附錄