基于人工智能的测试用例自动生成与测试用例集优化

作为软件测试（包括白盒测试和黑盒测试）中的一个基本问题，测试用例自动生成尤为重要，这是因为白盒测试中的许多问题（如控制流测试和数据流测试）以及黑盒测试中的一些问题都可以归结为测试用例生成问题。解决这个问题的本质在于约束系统的建立和求解。约束求解是人工智能的一个传统研究方向。本书将系统地研究如何进行软件系统的约束建模和求解，利用人工智能的各种技术，对一些特殊情况（复杂数据类型、线性约束的区间初始化、库函数等）给出切实可行的解决方案。提升回归测试效率的一个重要方法是对测试用例集进行优化，目前常见的优化方法有3种，分别是测试用例集约简、选择和优先级排序。这3种方法分别适用于不同的场景，本书主要关注测试用例集约简和测试用例优先级排序，通过对相关问题和已有方法的调研，将现在应用比较广泛的人工智能中的群智能算法和一些进化算法引入测试用例集优化问题中，提出新的测试用例集约简和测试用例优先级排序技术。