基于RPA+AI的多目標自動化軟件測試系統設計

中圖分類號：TP317

文獻標志碼：A文章編號：1001-5922（2025）07-0144-03

Abstract：In order to solve the problemof poor efect of the current automated software testing system in multi-objective testing，amulti-objective automated testing system based on RPA AI was designed.The overallframework of the multi-objectivesoftware automated testing system was established，and it was divided into the service layerand the execution layer，the code coverage，sequence length，and number of crashes were taken as the optimization goals，the multi-software test objectives were optimized，theoptimal solution set was obtained through the genetic algorithm，and the automated software testing process was designed to automatically output software exception information.The test results showed that the test coverage rate of the system designed in this paper reached 96% ，and the system crash rate was less than 1% ，which can effectively improve the reliability of the system.

Key words ： RPA+AI ；software testing system

自動化測試通過使用軟件工具或程序來執行測試任務，利用軟件代替手工操作[1]，使得在節省人力和時間的同時，提高測試效率。目前，自動化測試技術已在軟件開發中得到廣泛應用[2]，但大部分只對功能測試有效果，缺乏對可靠性、安全性、兼容性等方面的測試，且大多數的測試工具主要針對某個單一目標進行測試，不能有效地對多目標進行自動化測試。為此在自動化測試領域，設定多目標來模擬真實業務場景[34]，但在目標執行過程中，通常需要手動執行一系列操作，不僅耗時耗力，還可能導致軟件開發流程中的風險，因此自動化測試具有重要作用。

針對上述問題，設計一種基于 RPA+AI 的多目標自動化測試系統。在軟件開發過程中，使用RPA技術自動執行大量重復的操作任務，能夠顯著提升軟件開發效率，同時RPA和AI技術結合后，可以應用于軟件測試領域中[56]進行自動化測試，具有較好的應用前景。

1多目標軟件自動化測試系統

1.1 系統總體架構設計

多目標軟件自動化測試系統的整體框架可以劃分為服務層和執行層[7]，整體架構示意圖如圖1所示。

User 服務器端√ ▲目標任務管理 多軟件測試目模塊 標優化模塊任務目標調度 測試結果展示管理模塊 模塊XML配置 1 ↑文件 基于RPA+AI執行體系自動化測試 自動回歸化測試Windows客戶端 Windows客戶端

（1）目標任務管理模塊：主要實現管理多目標任務，包括增加、修改、刪除目標，設置目標任務優先級等。其中目標任務管理模塊可根據需要創建多個任務，也可以選擇單個任務；

（2）自動化測試執行模塊：主要完成對多個目標自動化測試任務的執行工作。當有多個目標需要執行時，首先通過設置自動測試用例對每個目標進行測試，若所有測試用例均通過測試，則返回結果。若有個別測試用例未通過測試，則重新啟動自動化測試流程，對未通過的測試進行重新執行；

（3）目標任務調度管理模塊：主要完成對多個目標的調度管理功能，根據需要為每個自標分配指定的資源[8]。例如指定的時間段內完成哪幾個目標的任務，或者在指定時間內完成多少個目標的任務等；

（4）報告展示模塊：主要完成對多個目標的執行結果與執行過程的展示功能。當多個目標需要執行時，可直接通過數據庫管理模塊進行查詢與修改等操作[9，無需再次手動創建測試用例及生成測試數據等操作。

1.2 多軟件測試目標優化

為解決對多個目標進行自動化測試需要手動設計測試用例、生成測試數據的問題，利用遺傳算法[10]對多個目標進行優化選擇[11]。軟件測試系統主要優化三個目標：代碼覆蓋率、序列長度、崩潰數量。在優化過程中，以式（1）作為優化的評價標準：

其中， x_a，x_b 均為可優化的方案。在優化過程中，為滿足上式時，說明在優化方案 被優化方案x_b 支配。本文針對多目標自動化測試問題[12]，首先將多個目標劃分為不同的子任務，并對每個子任務進行優化選擇。

根據自動化測試流程，生成測試用例，對符合需求的目標生成自動化測試的腳本，進行多目標自動化測試，并將結果記錄到測試數據文件中。若滿足需求且多個目標均符合要求，則進人下一輪優化流程。在以上的流程中，得到最優方案的集合，表示為：

對于多個目標的優化選擇，可以根據待測系統的數據結構特征、業務邏輯、功能復雜程度等因素進行分析。在以上的最優方案的結合下，本文主要通過對Python腳本語言的優化[13]改進實現多目標優化選擇。需要注意的是，在Python腳本語言中存在很多類型的變量和參數，若參數或變量過多則會導致運行效率下降、影響系統穩定性。遺傳算法是通過模擬生物進化過程，求取全局最優解的算法，對于任何一個優化問題，都可以建立多個目標函數[14]，然后將每個目標函數轉換為單目標函數。本文通過對多個目標函數進行優化選擇，以獲得最優解集，并根據各單目標的約束條件選擇最優解，實現多軟件測試目標的優化。

1.3基于 RPA+AI 的軟件測試執行流程

為了解決傳統的軟件測試效率低下的問題，設計基于 RPA+AI 的多目標自動化軟件測試系統，在不改變原有多個目標之間關系[15]的基礎上，結合場景定義、業務描述等因素，將不同目標進行關聯。首先將多個目標定義為一個整體的集合，然后定義多個場景作為這個集合中的不同子集；最后通過將不同的子集組合到同一個場景下來實現對不同子集之間的關聯。

以上的測試流程利用 RPA+AI 技術[16]從軟件運行過程中獲取相關數據，進行數據功能劃分。將軟件的測試運行數據輸入到系統中，能夠自動輸出軟件異常信息。至此完成基于RPA +AI 的多目標自動化軟件測試系統的設計。

2 系統測試

2.1 系統測試環境以及流程設計

為驗證設計系統的有效性，使用自動化測試技術，形成一個完整的自動化測試方案，將Android移動終端APP自動安裝到測試手機中進行測試[17]在測試過程中自動檢測APP出現的崩潰事件。實驗主要采用動態路徑探索系統，結合工程上使用的自動化測試技術及其相關工具配合硬件設備驗證系統，進一步檢驗系統的有效性及適用性。

測試平臺運行在PC上面，通過USB數據線和被測的移動終端相連接。測試平臺主要由數據整理模塊、動態路徑探索算法、操作判定和性能監控（崩潰檢測）組成。測試平臺是使用Python語言開發的，這種語言適合將各種工具集成在一起[18]，以實現本文設計系統。在以上軟硬件實驗環境下，對本文設計系統進行測試。測試過程中，

Step1：將軟件應用進行apk逆向分析，從文件中獲取后續測試所需的關鍵數據；

Step2：利用這些關鍵數據，將APK自動安裝在目標軟件上，并啟動APP的首界面；

Step3：提取APP的界面數據進行數據整理，將整理后的數據供動態路徑探索算法進行分析，并使用MonkeyRunner的方法控制軟件完成測試；

Step4：判斷能否滿足結束條件，設定結束條件為覆蓋率實現 95% ，或者操作步數達到500次。如果達到結束條件，則強制關閉軟件，并將其卸載：如果沒有達到結束條件，則返回到Step3。

為了驗證本文設計系統的自動化水平，按照上述流程，將本文設計系統和文獻[5]設計系統進行對比。

2.2 測試結果對比與分析

在上述的測試條件和測試過程下，分別使用本文設計系統和文獻[5設計系統進行測試，得到的測試結果如表1所示。

由表1可以看出，文獻5設計系統和本文設計系統的測試時間分別為98s和186s，測試的覆蓋率分別為 82% 和 96% 。由此可知，文獻[5]設計系統在實驗過程中出現異常，發生崩潰；本文設計系統未出現崩潰情況，實現了系統的預期目標。

為了驗證設計系統的可靠性，以崩潰率作為測試指標，對2種系統進行測試。系統崩潰率是指系統在一定時間內出現故障或停機的次數，一個低崩潰率的系統通常意味著其可靠性較高，因為它可以在較長的時間內持續運行，并且不容易出現故障。計算公式如下：

式中： ψ 表示崩潰率； ψ 表示崩潰次數； ψ_z 表示總測試次數。

2種系統的測試結果如圖2所示。

5一本文設計系統%/率 4 -文獻[4]設計系統32050 100 150 200 250迭代次數

由圖2可知，隨著迭代次數的增加，2種系統的崩潰率也隨之上升。與文獻[5]設計系統相比，本文設計系統的崩潰率始終低于1%，證明本文設計系統的可靠性更高。

3結語

本文設計了基于 RPA+AI 技術的多目標自動化測試系統，系統包括自動化測試平臺、Web端、服務器端以及移動設備端。該系統實現了對多個目標的自動化執行任務，能夠提高軟件開發和測試效率；同時使用 RPA+AI 技術后，應用程序未崩潰且覆蓋率達到了 96% ，測試過程中本文設計系統的可靠性更高，可以有效確保系統正常運行。

【參考文獻】

[1]陳靜，魏強，武澤慧，等.RESTAPI自動化測試綜述[J].計算機應用研究，2024，41（2）：321-328

[2]郭敬東，劉文亮，李霆，等.基于業務流程編排的自動化運維實現研究[J].微型電腦應用，2023，39（1）：108-110.

[3]李堃，李猛，李艷玲，等.基于LSTM-RPA音樂流行趨勢預測研究［J].計算機工程與應用，2022，58（24）：134-142.

[4]張鑫，李哲，翟天一，等.一種基于圖像識別與文字識別技術的自動化測試架構[J」.電力信息與通信技術，2022，20（11） ：74-83.

［5]林若欽，羅瓊.基于節點邏輯度優化的軟件測試序列生成仿真[J].計算機仿真，2021，38（4）：390-394.

[6]陳翔，趙英全，顧慶，等.基于文件粒度的多目標軟件缺陷預測方法實證研究［J].軟件學報，2019，30（12）：3694-3713.

[7]郜軒，曹珍，張莉莉.50Gbit/sSFP56光模塊自動化測試系統設計[J].光通信研究，2024（4）：90-94.

[8]趙剛，周文婷，梁鋼，等.數據通信網VPN業務自動開通系統設計與技術改進[J].粘接.2024，51（12）[J].

[9]邢星宇，吳旭陽，劉力豪，等.基于目標優化的自動駕駛決策規劃系統自動化測試方法［J].同濟大學學報（自然科學版），2021，49（8）：1162-1169.

[10]龔鑫，徐立華，竇亮，等.金融科技軟件自動化測試用例的冗余評價和削減方法［J].華東師范大學學報（自然科學版），2022（4）：43-55.

[11]程亮，薛一凡，周建華.機載有源相控陣雷達天線自動化測試方法研究與實現［J].現代雷達，2021，43（4） ：59-64.

[12]陳銳智，李析鴻，陳思羽，等.基于EPSILON約束法的配電自動化設備多目標優化布點模型[J].電力系統保護與控制，2021，49（24）：51-58.

[13]翟禹堯，史賢俊，楊帥，等.不可靠測試條件下基于NSGA-I的多目標測試優化選擇［J].北京航空航天大學學報，2021，47（4）：792-801.

[14]潘軍，姚科敏.AI智能層級與仿人實現的價值調控與治理研究[J].重慶大學學報（社會科學版），2022，28（4） ：251-261.

[15]馬景，李豪杰，原紅偉，等.電子時間引信電路部件全流程測試系統設計[J」.兵器裝備工程學報，2024，45（2）：225-231.

[16］張少琳，姚敏東，姚旭，等.配網自動化在智能電網中的應用分析[J].粘接.2020，41（3）：86-89.