文献类型：期刊文章

作　　者：薛猛[1] 姜淑娟[1] 王荣存[1]

XUE Meng;JIANG Shujuan;WANG Rongcun(Mine Digitization Engineering Research Center of the Ministry of Education,School of Computer Science and Technology,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China)

机构地区：[1]中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心,江苏徐州221116

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61673384;No.61502497);中国博士后科学基金(No.2015M581887);徐州市科技计划项目(No.KC15SM051)

年　　份：2018

卷　　号：54

期　　号：17

起止页码：16-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：软件测试是一种极为有效的软件质量保证手段。测试数据生成是软件测试的关键。基于智能优化算法的测试数据生成方法为自动化的测试数据生成提供了解决问题的一个有效手段。首先重点总结归纳了在基于智能优化算法的测试数据生成中使用最为频繁的两种算法:遗传算法和粒子群优化算法的研究成果,分析了研究现状,接着简单介绍了基于智能优化算法的测试数据生成工具:AUSTIN和Evo Suite,最后对存在的问题及未来的研究内容进行了尝试性的探讨。

关 键 词：软件测试 测试数据生成 智能优化算法 遗传算法 粒子群优化

分 类 号：TP18] TP311.53]