软件学报

作者：周小莉，赵建华

单位：周小莉，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,赵建华，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302

关键词：偶然正确性现象;回归测试;回归测试选择

数据驱动的智能系统的核心是处理数据的算法，对算法正确性的要求高，导致其测试开销大，需要有效地缩减测试的规模，其中回归测试选择是控制测试规模的有效手段.数据驱动的智能系统由于其动态信息流强度弱的原因，发生偶然正确性现象的概率较高，并且该现象会导致常用的回归测试选择技术所选择出的测试集包含大量检测不到故障的测试用例.因此，从偶然正确性现象的角度出发，提出一种基于偶然正确性概率的回归测试选择技术，进一步排除可能发生偶然正确性现象的用例.该方法能够兼顾代码覆盖，同时从偶然正确性的角度保证缩减后的测试用例集合对被修改的代码的测试是充分的.根据在用例缩减和故障检测能力之间侧重的不同，提出了基于最小化和安全性技术的两种选择策略，并给出3种具体的选择算法.在实验中将所提方法与一种安全的测试选择技术进行比较，结果表明，这3种选择算法都很好地缩减了测试集合的规模，提高了测试选择的精度，并提高了安全性和精度的综合指标.

来源：2021年第7期

《软件学报》期刊编辑部

查看软件学报杂志2021年第7期