通过聚类方法改进测试用例优先级排序技术

论文《A Clustering Approach to Improving Test Case Prioritization: An Industrial Case Study》结合聚类方法，利用代码覆盖率、代码复杂性、真实故障的历史数据以及组合技术帮助改进了测试用例优先级排序技术，在回归测试中提供了一个很好的思路。

实验对象：Microsoft Dynamics Ax

步骤：

1. 聚类

2. 优先级排序

聚类：

使用Matlab实现凝聚层次聚类方法（测试用例对之间的距离）：先将代码覆盖相似性最接近的两个测试用例合并到一个集群，然后将该新集群视作单个元素，使用平均链接计算集群与其他测试用例的距离。

算法返回一棵分层测试用例树，带有k个簇的聚类。

优先级排序：

先对每个集群中的测试用例重新排序。然后从每个集群中选择测试用例，形成测试用例优先列表。

本文考虑了4种不同的优先级技术：

1. 代码覆盖率信息：

按方法覆盖总数，先在集群中排序，然后分别从每个集群循环pop一个出来。

 

2. 代码复杂度：

（LOC：使用一个类的代码行数；DC：方法依赖计数）

排序方法与上一条类似。

3. 故障历史信息：

故障检测率=检测到的故障数/故障总数

排序方法与上一条类似。

4. 组合技术：

代码复杂度值和故障检测率的算数平均值，最高的放在最前。

排序方法与上一条类似。