计算智能与组合软件测试优化2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

计算智能与组合软件测试优化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 软件测试基础1

1.1软件测试概述1

1.1.1软件测试的起源与发展1

1.1.2软件测试的基本概念2

1.1.3软件测试的分类与方法4

1.1.4软件测试模型及演变7

1.1.5生命周期软件测试方法10

1.1.6软件测试过程管理14

1.2组合软件测试17

1.2.1组合软件测试原理18

1.2.2组合软件测试过程20

1.2.3组合软件测试模型方法25

1.2.4组合软件测试的现状和趋势26

1.3小结29

参考文献30

第2章 计算智能理论基础31

2.1群体智能31

2.1.1概述31

2.1.2蚁群算法32

2.1.3粒子群优化算法36

2.2进化计算37

2.2.1概述38

2.2.2进化算法的基本原理及框架39

2.2.3进化计算的应用42

2.3智能Agent43

2.3.1分布式人工智能43

2.3.2 Agent的结构45

2.3.3 Agent通信47

2.4小结49

参考文献49

第3章 软件可靠性50

3.1软件可靠性的基础理论50

3.1.1软件可靠性的定义及基本数学关系50

3.1.2软件可靠性的因素52

3.1.3软件可靠性度量的指标54

3.1.4软件失效机理55

3.2软件可靠性技术56

3.2.1软件可靠性分析技术56

3.2.2软件可靠性设计技术58

3.3小结60

参考文献60

第4章 软件可靠性建模61

4.1软件可靠性模型的基本特点61

4.2软件可靠性模型的特征62

4.3模型评价标准64

4.3.1模型拟合度64

4.3.2模型准确度65

4.3.3模型偏差66

4.3.4模型偏差趋势67

4.4软件可靠性模型分类67

4.5典型的可靠性模型69

4.5.1 Jelinski-Moranda模型69

4.5.2 Goel-Okumoto模型70

4.5.3 Musa模型72

4.5.4 Littlewood-Verral模型73

4.5.5 Seeding模型74

4.5.6 Nelson模型76

4.5.7 Duane模型79

参考文献80

第5章 基于群体智能的软件可靠性分配81

5.1软件可靠性分配模型81

5.1.1软件可靠性特点81

5.1.2软件可靠性分配定义81

5.1.3软件成本函数82

5.1.4软件可靠性分配模型82

5.2软件可靠性分配技术84

5.2.1传统的软件可靠性分配技术84

5.2.2基于智能优化算法的软件可靠性分配技术85

5.3基于社会认知算法的软件可靠性分配问题研究86

5.3.1社会认知优化算法86

5.3.2社会认知算法的基本概念86

5.3.3社会认知算法的算法步骤87

5.3.4数值试验与仿真87

5.4基于粒子群算法的软件可靠性分配问题研究89

5.4.1粒子群优化算法的基本原理89

5.4.2粒子群优化算法的改进91

5.4.3实验及结果分析91

5.4.4小结92

参考文献92

第6章 面向故障的软件测试94

6.1软件故障模型94

6.2面向故障的软件测试100

6.2.1基于故障模型的静态分析100

6.2.2基于路径的内存泄漏故障分析102

参考文献103

第7章 灰盒测试104

7.1白盒测试104

7.1.1白盒测试的发展104

7.1.2白盒测试的主要方法105

7.2黑盒测试114

7.3灰盒测试120

7.3.1灰盒测试120

7.3.2灰盒测试与白盒测试、黑盒测试的区别120

7.3.3灰盒测试的优缺点121

7.3.4灰盒测试的自动化工具122

参考文献122

第8章 组合覆盖准则123

8.1覆盖准则概念123

8.2 MC/DC覆盖准则125

8.3 RC/DC覆盖准则126

8.4基于算法的组合覆盖准则128

8.5小结130

参考文献130

第9章 基于粒子群算法的测试用例自动生成与约简132

9.1基本粒子群算法132

9.1.1基本粒子群算法思想的起源132

9.1.2算法原理132

9.1.3基本粒子群算法流程133

9.1.4基本粒子群算法改进策略134

9.2离散粒子群优化算法134

9.2.1基于连续空间的离散粒子群优化算法135

9.2.2基于离散空间的离散粒子群优化算法136

9.3基于改进离散粒子群优化算法两两覆盖组合软件测试用例集生成方法137

9.3.1方法背景137

9.3.2方法内容139

9.3.3方法有益效果142

9.3.4方法具体实施方式145

9.4基于自适应粒子群算法的组合测试数据生成方法150

9.4.1概述150

9.4.2基本粒子群优化算法原理150

9.4.3基于改进粒子群优化算法的测试数据集自动生成151

9.4.4实验分析153

9.4.5小结155

9.5基于粒子群算法的测试用例约简方法155

9.5.1方法背景155

9.5.2方法具体内容156

9.5.3本方法的原理158

9.5.4具体实施方式160

9.6小结164

参考文献165

第10章 基于模拟退火的测试用例自动生成与约简168

10.1模拟退火算法168

10.1.1模拟退火算法概述168

10.1.2模拟退火算法168

10.1.3模拟退火算法一个简单问题的实现169

10.1.4模拟退火算法的优点和缺点171

10.1.5小结172

10.2基于模拟退火算法的测试用例自动生成172

10.2.1成对组合测试的问题172

10.2.2 One-Test-At-a-Time173

10.2.3成对组合测试在模拟退火算法中使用的框架175

10.2.4算法的实现175

10.2.5算法的效率分析176

10.2.6小结177

10.3基于模拟退火算法的测试用例约简技术177

10.3.1采用模拟退火算法的用例约简177

10.3.2约简算法的设计177

10.3.3算法效率分析178

10.3.4小结182

参考文献182

第11章 基于协同进化的测试用例自动生成与约简184

11.1协同进化理论184

11.1.1协同进化的生物学基础184

11.1.2协同进化的动力学描述185

11.2协同进化算法的发展现状187

11.2.1基于种间竞争机制的协同进化算法187

11.2.2基于捕食-猎物机制的协同进化算法188

11.2.3基于共生机制的协同进化算法188

11.2.4基于“组织”概念的协同进化算法189

11.3组织进化优化算法189

11.3.1组织进化算子189

11.3.2组织进化优化算法191

11.4基于组织进化粒子群优化的测试用例自动生成192

11.4.1两两覆盖组合测试模型192

11.4.2算法框架193

11.4.3编码方式193

11.4.4适应度函数193

11.4.5协同进化算子194

11.4.6算法描述195

11.4.7实验结果与分析195

11.5结束语197

参考文献197

第12章 基于族群进化算法构造最优组合测试用例集200

12.1研究背景200

12.2基于进化算法整体构造和优化组合测试数据202

12.2.1编码203

12.2.2解码203

12.2.3适应度函数的设计204

12.2.4基于进化算法构造组合测试用例集机制的特点204

12.3族群进化算法205

12.3.1基于二进制编码的族群进化评估指标205

12.3.2基于二进制编码的族群聚类206

12.3.3族群双轨协同进化207

12.3.4 EGEA的执行过程209

12.4仿真实验210

12.5结论213

参考文献213