自适应遗传算法_【分享吧】基于遗传算法的测试数据生成应用研究

基于遗传算法的测试数据生成应用研究 一、引言

在测试用例设计过程中，测试数据选取与生成是一项极具挑战性的工作，随着软件规模不断扩大、复杂程度不断提高，如何在测试中尽可能地覆盖所有业务流程，往往需要经验丰富的测试人员对测试数据进行人工定义。对于非线性问题传统的数据生成方法具有效率低、冗余大、测试覆盖不完全等缺点，为此学者们提出很多解决思路，其中基于遗传算法指导测试数据自动生成是一种较为有效的方法，对提高测试质量和效率具有十分重要的意义。

二、遗传算法

1、遗传算法简介

遗传算法(Genetic Algorithm，GA)是由美国J . Holland教授在20世纪70年代提出的，通过模拟达尔文生物进化论的自然选择和遗传机制原理，用来寻找最优解的自组织、自适应搜索算法。具体操作是从初始种群出发，根据适者生存的原则，将染色体中的基因进行交叉、变异等操作机制，以实现后代个体适应度提高，直至满足预先指定的适应度阈值。

2、遗传算法中包含的基本概念

1)个体(individual)：模拟生物个体，表示所处理的基本对象、结构(这里表示一条测试用例)。

2)种群(population)：模拟生物种群，若干个体组成的集合(这里表示一组测试用例)。

3)染色体(chromosome)：个体的抽象表示形式，遗传算法中通常用字符串形式的编码表示。

4)基因(gene)：用于表示个体的特征，是染色体的构成元素。

5)后代(offspring)：种群中的个体经过遗传操作后形成的新的个体。

6)适应度(fitness)：表示个体对环境的适应程度，