多信息动态抽取、融合与关联的回归测试方法研究

Regression testing is an important way to guarantee the quality of evolved software products, and test case prioritization (TCP) is an effective method of regression testing. However, current TCP algorithms suppose that the information of regression test cases is existed, which has limits in practice. In this project, we attempt to use new ways to promote the TCP, according to the following three perspectives: dynamic extraction, fusion, and correlation of multiple information about regression test cases. We first combine the self-characteristics of the software-system under test, to study dynamic extraction methods for multiple information of test cases. In this step, static, dynamic, and model-based information have been extracted, to construct the knowledge base of test case information. We then analyze some factors that influence greedy TCP algorithms, in order to build a framework of greedy methods for prioritizing test cases, so as to produce effective (or efficiency) greedy TCP algorithms. After that, we study the dynamic fusion methods to fuse more information to support TCP under a reasonable way as possible. Finally, we adopt the machine learning techniques (mainly classification model and clustering algorithm), to dynamically correlate multiple test case information, which takes advantage of the relationship among different information to guide the process of TCP.

回归测试是确保演化后软件产品质量的重要手段，而测试用例优先排序是一种有效的回归测试方法。目前的优先排序算法所利用的回归测试用例信息是默认存在的，在实际应用中具有一定的局限性。本项目从回归测试用例多信息动态抽取、融合与关联入手，尝试用新方式推进测试用例优先排序方法。项目首先结合被测软件系统的自身特性，研究测试用例多信息的动态抽取方法，实现静态信息、动态信息与基于模型的信息的抽取，并构建测试用例信息知识库。接着通过定义测试用例信息的评价度量，并分析基于贪心思想的测试用例优先排序算法的影响因素，以搭建算法框架进而获取高效的贪心算法。在此基础上，本项目研究测试用例多信息的动态融合方式，以尽可能合理的方式融合更多的信息辅助测试用例优先排序。最后，结合机器学习技术（主要是分类模型与聚类算法）尝试动态地关联测试用例多个信息，利用多个信息间的关联性实现测试用例的优先排序过程。

测试用例优先排序是一种有效的回归测试方法，以确保演化后软件产品质量。目前的优先排序算法所利用的回归测试用例信息是默认存在的，在实际应用中具有一定的局限性。本项目从回归测试用例的多维信息出发，分别从静态信息、动态信息和基于模型的信息三个视角以构建回归测试用例的信息知识库。在此基础上，提出多种类型的回归测试优先级排序方法，具体包括基于重复低维组合覆盖、基于组合覆盖频率、基于权重组合覆盖、组合覆盖驱动基于遗传算法、基于权重代码覆盖、基于组合覆盖力度融合、基于代码覆盖和组合覆盖融合、基于多信息融合等。总的来说，一方面通过利用信息融合的策略辅助实现回归测试用例的优先排序，另一方面通过利用信息之间的关联性提升回归测试用例优先排序的测试性能。通过大量的实验分析表明所提的算法一方面能够保持较低的时间开销，另一方面能够提升测试性能，有效地实现了测试性能与测试开销的平衡。于此同时，我们设计并开发实现了相对应的软件原型系统，以支持整个流程。本项目的研究成果不仅能够推动回归测试的发展，而且能够进一步促进软件测试的发展。