基于不确定进化优化的含随机数软件测试数据自动生成理论与方法

Software test automation can improve the efficiency and quality of software testing, and the core of software test automation is automatically generating test data. For software with uncertainty parameters, such as random numbers, traditional methods of generating test data often lose their effectiveness. This project mainly researches the theory and methods of generating test data based on evolutionary optimization for software with random numbers. By research, we plan to give the adequacy criteria of reliability testing for software with random numbers, in order to provide theoretical basis and method for the test of software with random numbers; establish the mathematical model of generating test data for software with random numbers, so that the problem of generating test data can be transformed to an uncertain optimization one; propose corresponding evolutionary optimization solutions, and enhance the efficiency of generating test data by means of parallel evolution of multiple populations; develop the prototype system of generating test data, and apply it to practical software testing. This project is an innovative and challenging direction by integrating the knowledge of computer, applied mathematics and automation. The expected results will greatly promote the automatic testing theory of software with random numbers, and can be widely applied to software testing in the fields of military, gaming, scientific computing, etc. Therefore, this project has important theoretical significance and practical value.

软件测试自动化可以提高软件测试的效率和质量，自动生成测试数据是软件测试自动化的核心。对于内部含有随机数等不确定参数的复杂软件，传统的测试数据生成方法往往难以奏效。本项目针对含随机数被测软件，研究其基于进化优化的测试数据生成理论与方法，通过研究，拟给出含随机数软件可靠性测试充分性准则，为该类软件的测试提供理论依据和方法；建立含随机数软件测试数据生成问题的数学模型，把测试数据生成问题转化为不确定优化问题；提出相应的进化优化求解方法，利用多种群并行进化的方式，提高含随机数软件测试数据生成的效率；开发测试数据生成原型系统，并应用到实际的含随机数软件测试中。本项目是自动化、应用数学与计算机等学科有机交叉、新颖且富有挑战性的研究方向，产生的研究成果将推进含随机数软件的自动测试理论，并可广泛应用到军工、游戏、科学计算等领域软件的测试。因此，具有重要的理论意义和实用价值。

测试数据生成是软件自动测试的核心。对于内部含有不确定参数的复杂软件，传统的测试数据生成方法往往难以奏效。本项目针对内部含有不确定参数的复杂软件，研究基于进化优化的测试数据自动生成理论与方法。申请人及合作者经过3年的研究，提出解决该问题的一套理论与方法，主要体现在如下4方面：(1)针对含随机数的实际被测软件，给出相应的测试充分性准则；(2)建立了含随机数软件测试数据生成问题的单目标和多目标优化模型，以及含不确定通信边的并行程序测试数据生成模型；(3)提出多种用于测试数据自动生成的进化优化方法，包括基于集合进化的遗传算法、基于神经网络的遗传算法等；(4)将上述理论和方法应用到实际的复杂软件测试中。基于上述成果，获科研奖励4项；出版专著2部；发表论文21篇，其中国际期刊13篇，被SCI检索13篇、 EI检索14篇，计算机学科A类学术会议论文1篇；申请国家发明专利６项；申请软件著作权2项；培养博士和硕士研究生７名。研究成果推进了含不确定参数软件的自动测试理论，并可应用到军工、游戏、科学计算等领域软件的测试，从而提高软件质量、缩减开发成本。因此，具有重要的理论意义和实际应用价值。