遺傳算法在黑盒測試中的應(yīng)用

摘要：提出了一種利用遺傳算法幫助測試人員在較短時(shí)間內(nèi)完成軟件模塊的黑盒測試，并給出測試結(jié)果和好的測試用例的方法。

關(guān)鍵詞：遺傳算法 測試用例 耦合度

在軟件測試中，黑盒測試主要是針對(duì)模塊進(jìn)行的功能測試。最普遍的方法是以軟件的功能說明書為基礎(chǔ)將軟件的輸入劃分為若干個(gè)等價(jià)類，多次運(yùn)行該軟件來檢驗(yàn)軟件對(duì)于不同的等價(jià)類是否能滿足要求。但是在實(shí)際應(yīng)用中，有的模塊太大或輸入?yún)?shù)太多，等價(jià)類劃分后需要進(jìn)行的測試工作可能是一個(gè)極大的任務(wù)。這時(shí)，如何選擇最優(yōu)的測試用例就成為測試人員的一個(gè)重要任務(wù)。

遺傳算法是模仿生物遺傳和進(jìn)化機(jī)制的一種最優(yōu)化方法，它把類似于遺傳基因的一些行為，如交叉重組、變異、選擇和淘汰等引入到算法求解的改進(jìn)過程中。遺傳算法的特點(diǎn)之一是，它同時(shí)保留著若干局部最優(yōu)解，通過交叉重組或者解的變異來尋求更好的解。與貪婪算法相比，遺傳算法更可能找到全局最優(yōu)解，而貪婪算法則容易限于局部最優(yōu)而達(dá)不到全局最優(yōu)。

如果能夠?qū)⑦z傳算法有效地運(yùn)用于黑盒測試中，幫助測試人員選擇最優(yōu)的測試用例，那么將給測試工作帶來極大的幫助。

１ 應(yīng)用方法

在設(shè)計(jì)具體的算法之前，我們先介紹遺傳算法的基本算法，其算法框架如下[１]：

第一步，初始化：選?。饌€(gè)候選解作為初始解，把其中最好的解作為暫定（最優(yōu)）解。

第二步，解的改進(jìn)：若滿足終止條件，輸出暫定解，算法終止。否則，進(jìn)行以下的運(yùn)算：

（１）解的交叉重組：從ｐ個(gè)解中選出兩個(gè)或兩個(gè)以上的解進(jìn)行交叉重組，得到新解，重復(fù)該運(yùn)算若干次。

（２）解的變異：在候選解中隨機(jī)加進(jìn)一些變異，產(chǎn)生新解。

（３）局部搜索：對(duì)新產(chǎn)生的解用局部搜索法進(jìn)行改良。若能得到比候選解更好的解，更新候選解。

（４）從全部解中按一定的準(zhǔn)則選出ｐ個(gè)解作為下一代的候選解，更新暫定解。

轉(zhuǎn)第二步。

了解了遺傳算法的算法框架后，進(jìn)一步要做的就是在軟件的黑盒測試中，如何將不同的等價(jià)類轉(zhuǎn)變?yōu)檫z傳算法的候選解， 如何設(shè)定解的優(yōu)劣標(biāo)準(zhǔn)，如何設(shè)置合適的終止條件。

我們假定一個(gè)軟件模塊的輸入?yún)?shù)有５個(gè)：Ａ、Ｂ、Ｃ、Ｄ、Ｅ，經(jīng)過合理的等價(jià)類劃分后，每個(gè)參數(shù)又有５個(gè)不同的等價(jià)類：Ａ１～Ａ５，．．．．．．，Ｅ１～Ｅ５。我們采用一個(gè)廣義的遺傳算法候選解概念，一般的遺傳算法往往將候選解形式定為二進(jìn)制的數(shù)據(jù)串，比如：１１１０１０、０１０００１等等，而在不同等價(jià)類輸入作為候選解時(shí)我們將候選解形式定為（按照上面假定為基礎(chǔ)）：Ａ３Ｂ１Ｃ２Ｄ４Ｅ５、Ａ２Ｂ２Ｃ４Ｄ１Ｅ３等等。這樣我們解決了候選解的問題，在解的優(yōu)劣標(biāo)準(zhǔn)以及終止條件的設(shè)定問題上，我們需要借助工具作為標(biāo)準(zhǔn)。

軟件測試的目的是提高軟件的可靠性，終止條件當(dāng)然是軟件達(dá)到了測試的目的及要求。而解的優(yōu)劣標(biāo)準(zhǔn)正好與軟件質(zhì)量相反，即軟件失效幾率越大，這個(gè)測試用例（一個(gè)輸入的解）越優(yōu)。文獻(xiàn)２中結(jié)合北大的青鳥黑盒測試環(huán)境提出了一種基于測試執(zhí)行的失效數(shù)據(jù)模型ＪＢＦＤＭ（Ｊａｄｅ Ｂｉｒｄ ｆａｉｌｕｒｅ ｄａｔａ ｍｏｄｅｌ）。利用該模型我們可以做到[２]：

（１）提供一致的失效數(shù)據(jù)建模、收集及管理的可靠性度量過程，從而支持可靠性度量；

（２）利用測試及軟件現(xiàn)場收集的數(shù)據(jù)來評(píng)價(jià)測試計(jì)劃、操作概圖及測試方法的有效性。

軟件測試的目的是發(fā)現(xiàn)錯(cuò)誤，在黑盒測試中，錯(cuò)誤表現(xiàn)的形式是軟件失效。但是由于軟件錯(cuò)誤并不是軟件失效的充分條件，換句話說，并不是所有錯(cuò)誤都會(huì)在測試或運(yùn)行時(shí)暴露，所以黑盒測試的目的就是盡可能的通過運(yùn)行測試用例使軟件失效而發(fā)現(xiàn)錯(cuò)誤。在我們對(duì)測試用例的評(píng)價(jià)時(shí)，用以下的數(shù)據(jù)表示測試用例的優(yōu)劣：

Ａ＝Ｐ＋λ／Ｍ＋μ×Ｆ

其中Ａ表示遺傳算法中的適應(yīng)度Ａｄａｐｔａｔｉｏｎ，Ｐ表示該測試用例在實(shí)際中發(fā)生的幾率Ｐｒｏｂａｂｉｌｉｔｙ，Ｍ表示平均失效時(shí)間（ＭＴＴＦ），Ｆ表示失效等級(jí)。因?yàn)闇y試是針對(duì)使用的，所以發(fā)生幾率高的測試用例適應(yīng)度高就不難理解了；而Ｍ——平均失效時(shí)間越長，該測試用例應(yīng)該不容易發(fā)現(xiàn)軟件的錯(cuò)誤，所以Ａ越低；Ｆ則表示某些特殊情況發(fā)生使軟件嚴(yán)重失效（比如造成死機(jī)、損壞儀器等等），此時(shí)該測試用例以及其后代必須被重點(diǎn)關(guān)注，所以此時(shí)Ａ越大。λ、μ是相應(yīng)于各個(gè)具體的被測試軟件模塊而定的系數(shù)。在實(shí)際應(yīng)用中，由于軟件失效的可能性不是特別大，所以遺傳結(jié)果往往是發(fā)生幾率高的測試用例后代較多。所以我們應(yīng)該針對(duì)具體被測試軟件設(shè)計(jì)準(zhǔn)確的發(fā)生概率產(chǎn)生算法。具體算法框架如圖１所示。

對(duì)于該算法的說明如下：
*１．每一個(gè)輸入?yún)?shù)往往有一個(gè)幾率（可以事先定義），可以簡單相加來求得該測試用例的概率。但是在輸入?yún)?shù)有較強(qiáng)相關(guān)性時(shí)，此方法并不能準(zhǔn)確求得某個(gè)測試用例的發(fā)生概率，一個(gè)解決辦法是設(shè)置輸入?yún)?shù)的相關(guān)耦合度。在遺傳算法的交叉、變異時(shí)其同時(shí)進(jìn)行的幾率與相關(guān)耦合度成正比，即對(duì)于相關(guān)耦合度高的輸入?yún)?shù)，它們同時(shí)進(jìn)行交叉、變異的幾率高，反之則低。

*２．檢驗(yàn)是否滿足測試要求時(shí)，需要先設(shè)置一個(gè)計(jì)數(shù)器。每運(yùn)行一個(gè)新的測試用例，測試計(jì)數(shù)器加一。當(dāng)發(fā)現(xiàn)第一次失效或故障時(shí)，計(jì)數(shù)器加二。若產(chǎn)生的遺傳后代又使軟件發(fā)生失效，則計(jì)數(shù)器加２２。同理遞推，當(dāng)遺傳算法產(chǎn)生的測試用例連續(xù)ｎ次使軟件失效，則計(jì)數(shù)器加２ｎ。同時(shí)，記錄所有的測試情況（此工作由外圍的測試環(huán)境完成，比如北大的青鳥黑盒測試環(huán)境）。如果出現(xiàn)嚴(yán)重錯(cuò)誤則終止測試，進(jìn)行對(duì)程序的檢查。如果連續(xù)ｋ代測試用例的遺傳后代都運(yùn)行良好，計(jì)數(shù)器的值加２ｋ。ｋ的值由具體被測試軟件的等價(jià)類數(shù)量、輸入?yún)?shù)個(gè)數(shù)等決定。當(dāng)測試計(jì)數(shù)器的值達(dá)到所有黑盒測試用例等價(jià)類的數(shù)值時(shí)（對(duì)于我們上面所舉的例子，該值為５５＝３１２５），結(jié)束測試。當(dāng)生成的孫子代、子代與父母代三代完全相同時(shí)，算法也必須結(jié)束，因?yàn)榇藭r(shí)測試不會(huì)有新的結(jié)果。所以我們還要設(shè)置一個(gè)結(jié)束條件。而且該條件強(qiáng)于計(jì)數(shù)器條件。

*３．每一組測試用例可以生成多個(gè)測試用例，根據(jù)適應(yīng)度函數(shù)大小決定留下哪些測試用例組成新的測試用例組。

從上面的算法框圖和說明可以看出，如果某測試用例使軟件的運(yùn)行發(fā)生了問題（即某個(gè)軟件錯(cuò)誤發(fā)作），它的后代也同樣受困于該軟件錯(cuò)誤，算法很快能發(fā)現(xiàn)這些最佳測試用例并給出結(jié)果。測試人員就可以將它們交給開發(fā)人員解決這些問題。若軟件本身確實(shí)質(zhì)量優(yōu)良，這些測試用例及其不同的后代無法發(fā)現(xiàn)失效，算法也能盡快結(jié)束，而不是完成所有測試用例（雖然從理論上，我們希望測試盡可能運(yùn)行所有測試用例）。

２ 效果

上節(jié)的算法，相對(duì)于運(yùn)行所有測試用例，并沒有比較明顯的優(yōu)點(diǎn)。尤其對(duì)于測試來說，算法并沒有加速運(yùn)行測試用例，好象還降低了運(yùn)行速度。其實(shí)算法本身的確不是用來加速運(yùn)行測試用例的，其目的是找到一組最佳測試用例。因?yàn)閷?shí)際上對(duì)于很多模塊運(yùn)行所有測試用例或哪怕是所有等價(jià)類都是幾乎不可能的。

以上一節(jié)舉的例子做說明，其輸入等價(jià)類大致有５５＝３１２５。如果一個(gè)模塊有１０個(gè)輸入、每個(gè)輸入有１０種等價(jià)類，那么輸入等價(jià)類為１０１０。按運(yùn)行一個(gè)等價(jià)類需要１分鐘計(jì)算（很多循環(huán)運(yùn)行模塊可能不止１分鐘），需要幾個(gè)月才能運(yùn)行一遍所有等價(jià)類。這時(shí)，運(yùn)用遺傳算法的優(yōu)勢就體現(xiàn)出來了。

綜上所述，本文提出了一種利用遺傳算法尋求最佳測試用例的測試方法原理。它能在較短時(shí)間內(nèi)完成軟件模塊的黑盒測試并給出測試結(jié)果和好的測試用例。利用該算法原理，可以在測試集成環(huán)境中做一些設(shè)置或修改測試集成環(huán)境，這樣可以大大提高測試工作的效率。