导语

  

内容提要

  

    本书在满足测试需求集的条件下，对测试用例集进行约简，使得测试运行代价最小，从而达到节约测试成本、提高测试效率的目的。本书详细介绍了蚁群算法、遗传算法、改进的蚁群算法、遗传算法和蚁群算法相融合的算法、改进的HGS算法等约简测试用例集的算法。本书的重点在于约简测试用例集的同时，令所花的测试运行代价最小，且保证约简后测试用例集的错误检测能力不会降低。本书的特色在于，在对这些算法在理论上进行描述的同时，执行了严格的实验来佐证结论。本书可作为相关专业高年级本科生、软件测试方向的研究生、有兴趣的青年学者的参考书。

第1章  绪论
  1.1  研究背景及意义
  1.2  国内外研究现状
  1.3  研究的主要内容
第2章  软件测试及测试用例集约简技术
  2.1  软件测试
    2.1.1  软件测试的概念
    2.1.2  测试用例的定
    2.1.3  软件测试的分类
    2.1.4  软件测试的目的
    2.1.5  软件测试的原则
  2.2  测试用例集约简的相关定义和术语
  2.3  几种典型的测试用例集约简算法介绍
    2.3.1  贪心算法
    2.3.2  HGS算法
    2.3.3  GRE算法
    2.3.4  整数规划算法
  2.4  性能分析及实例研究
第3章  基本蚁群算法
  3.1  蚁群算法的思想起源
  3.2  蚁群算法的基本原理
  3.3  蚁群算法及其改进
    3.3.1  蚁群算法框架
    3.3.2  蚁群算法的程序流程图
    3.3.3  蚁群算法的数学模型
    3.3.4  蚁群算法的参数
  3.4  蚁群算法的仿真实现
  3.5  蚁群算法的意义及应用
    3.5.1  蚁群算法的意义
    3.5.2  蚁群算法的应用
第4章  基本遗传算法
  4.1  遗传算法的思想起源
  4.2  遗传算法的基本原理
    4.2.1  遗传算法概述
    4.2.2  遗传算法的特点
    4.2.3  遗传算法的基本步骤
  4.3  遗传算法及其改进
  4.4  遗传算法的应用
第5章  基于变异因子的蚁群算法的测试用例集约简
  5.1  问题描述
  5.2  基于变异因子的蚁群算法的测试用例集约简算法（TSR-ACA算法）
    5.2.1  基本蚁群算法的求解过程
    5.2.2  蚁群算法中变异因子的引入
    5.2.3  信息素的更新
    5.2.4  TSR-ACA算法中的主要参数值
    5.2.5  TSR-ACA算法描述
  5.3  仿真实验对比
第6章  基于遗传蚁群算法的测试用例集约简
  6.1  问题描述
    6.1.1  问题定义
    6.1.2  问题模型
  6.2  基于遗传蚁群算法的测试用例集约简算法（TSR-GAA算法）
    6.2.1  遗传算法与蚁群算法融合的基本原理
    6.2.2  遗传算法设计
    6.2.3  蚁群算法设计
    6.2.4  基于遗传蚁群算法求解约简用例集的算法步骤
  6.3  仿真实验对比
第7章  基于HGS算法的回归测试用例集约简
  7.1  问题描述
    7.1.1  相关定义
    7.1.2  问题的提出
  7.2  算法的参数
    7.2.1  测试用例的测试覆盖度
    7.2.2  测试用例的测试运行代价
    7.2.3  测试用例的错误检测能力
  7.3  基于HGS算法的回归测试用例集约简算法（RTSR-HGS算法）
    7.3.1  测试用例的度量值公式
    7.3.2  HGS算法与回归测试用例集约简算法的融合
  7.4  仿真实验对比
第8章  算法的实现和性能分析工具
  8.1  性能分析工具的开发环境
  8.2  性能分析工具
    8.2.1  矩阵生成模块
    8.2.2  数据编辑模块
    8.2.3  算法执行模块
    8.2.4  性能分析模块
  8.3  算法性能对比分析
参考文献
附录A  GA算法主要代码
附录B  HGS算法主要代码
附录C  ACA算法主要代码
附录D  TSR-ACA算法主要代码
附录E  TSR-GAA算法主要代码
附录F  RTSR-HGS算法主要代码