基于SA-PSO的多態(tài)路徑測試數(shù)據(jù)生成方法

面向?qū)ο蠹夹g(shù)中的多態(tài)性不僅明顯增加了軟件可執(zhí)行的路徑數(shù)量，而且給軟件帶來了嚴(yán)重的不確定性，這種不確定性和突然增加的路徑組合無疑給測試覆蓋率的滿足帶來了嚴(yán)峻的挑戰(zhàn)。目前測試數(shù)據(jù)生成領(lǐng)域雖已有大量針對該問題的研究，但普遍存在測試數(shù)據(jù)的生成質(zhì)量不高、生成效率無法滿足正常測試要求的問題。粒子群優(yōu)化算法是一種基于群體的自適應(yīng)搜索優(yōu)化算法，具有概念簡單、參數(shù)較少、易于實(shí)現(xiàn)、計(jì)算速度快等特點(diǎn)。已有學(xué)者嘗試將粒子群優(yōu)化算法等人工智能技術(shù)運(yùn)用于軟件測試中，并取得了一定的研究成果。但粒子群算法在處理復(fù)雜的多峰搜索問題時(shí)，因解空間中往往存在多個(gè)局部最優(yōu)解，使得算法極易陷入局部最優(yōu)而早熟收斂，從而無法得到全局最優(yōu)解。模擬退火算法是一種增強(qiáng)型的局部搜索算法，它以一定的概率接受“惡化”解，具有很強(qiáng)的全局搜索能力，可以有效避免搜索陷入局部最優(yōu)。