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模塊進行的功能測試。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等價類，多次運行該軟件來檢驗軟件對于不同的等價類是否能滿足要求。但是在實際應(yīng)用中，有的模塊太大或輸入?yún)?shù)太多，等價類劃分后需要進行的測試工作可能是一個極大的任務(wù)。這時，如何選擇最優(yōu)的測試用例就成為測試人員的一個重要任務(wù)。

遺傳算法是模仿生物遺傳和進化機制的一種最優(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過程中。遺傳算法的特點之一是，它同時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)而達不到全局最優(yōu)。

如果能夠?qū)⑦z傳算法有效地運用于黑盒測試中，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�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：若滿足終止條件，輸出暫定解，算法終止。否則，進行以下的運算：

（１）解的交叉重組：從ｐ個解中選出兩個或兩個以上的解進行交叉重組，得到新解，重復(fù)該運算若干次。

（２）解的變異：在候選解中隨機加進一些變異，產(chǎn)生新解。

（３）局部搜索：對新產(chǎn)生的解用局部搜索法進行改良。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則選出ｐ個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，進一步要做的就是在軟件的黑盒測試中，如何將不同的等價類轉(zhuǎn)變?yōu)檫z傳算法的候選解， 如何設(shè)定解的優(yōu)劣標準，如何設(shè)置合適的終止條件。

我們假定一個軟件模塊的輸入?yún)?shù)有５個：ａ、ｂ、ｃ、ｄ、ｅ，經(jīng)過合理的等價類劃分后，每個參數(shù)又有５個不同的等價類：ａ１～ａ５，．．．．．．，ｅ１～ｅ５。我們采用一個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制的數(shù)據(jù)串，比如：１１１０１０、０１０００１等等，而在不同等價類輸入作為候選解時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)劣標準以及終止條件的設(shè)定問題上，我們需要借助工具作為標準。

軟件測試的目的是提高軟件的可靠性，終止條