面向MBFL的测试用例约减策略

作者：杜彬; 贺杰; 王海峰; 刘勇^*

来源：计算机系统应用, 2020, 29(12): 1-12.

DOI：10.15888/j.cnki.csa.007670

• 基于变异的错误定位
• 信息熵
• 测试用例约减

基于变异的错误定位(MBFL)是最近提出的一种自动化程序错误定位技术,错误定位精度高,但伴随着庞大的执行开销,严重制约了其在工业领域的应用.研究人员主要从减少变异体数量、减少测试用例数量和优化变异体的执行过程三个方面优化MBFL的执行效率.前两种方法被广泛研究并取得很好的定位效果,但对MBFL测试用例方面的研究较少,且存在错误定位精度损失的问题.为解决该问题,本文提出了一种基于信息熵的测试用例约减方法 (IETCR). IETCR首先计算出测试用例的信息熵,然后根据信息熵对测试用例进行排序,最后选择少量有价值的测试用例执行变异体.在SIR中6个程序100个版本上的实验结果表明, IETCR能够约减56.3%～88.6%的MBFL执行开销,而且几乎保持与原始MBFL相同的错误定位精度.

• 出版日期2020
• 单位北京化工大学