基于变异的错误定位执行优化技术研究
基于变异的错误定位(Mutation-Based Fault Localization，MBFL)是一种基于变异测试的自动化程序错误定位技术，具有错误定位精度高的优点，但其需要通过植入故障生成数量众多的变异体，且每个变异体都需要执行全部的测试用例，导致该方法执行开销巨大，严重制约了该技术在工业领域的实际应用。 现有MBFL优化技术主要从变异体抽样和执行过程等方面入手，存在着约减率不高或错误定位精度损失等问题。本文在分析MBFL执行过程的基础上，从变异体约减和测试用例约减两方面针对执行优化开展研究，旨在实现一种具有高约减率且无显著错误定位精度损失的优化技术。 1、在变异体约减方面，本文通过研究支配变异体和错误定位之间的关联，提出了一种基于模糊支配的变异体约减策略(FDMOS)。该方法通过选择少量支配变异体进行错误定位，显著降低了执行开销，同时保证了错误定位精度。 2、在测试用例约减方面，本文提出了一种基于信息熵的测试用例约减方法(IETCR)。该方法首先计算出测试用例的信息熵，然后根据信息熵对测试用例进行排序，最后选择少量有价值的测试用例执行变异体。IETCR通过减少测试用例规模实现提高MBFL执行效率的目的。因为保留了对错误定位精度影响较大的测试用例，因此对MBFL的错误定位精度影响较小。 3、在上述方法的基础上，本文提出了一种变异体约减和测试用例约减相结合的方法(MRS)，进一步降低了MBFL的执行开销。 为了验证方法的有效性，本文在SIR中6个程序112个错误版本上进行了实证研究，实验结果表明:FDMOS，IETCR，MRS分别能够约减41.2％～81.6％，56.3％～88.3％,78.2％～95.7％的MBFL执行开销。本文使用基于Wilcoxon signed-rank test的假设检验方法对错误定位精度进行统计分析，结果表明三种方法的MBFL技术在错误定位精度方面均与原始MBFL没有显著性差异。
变异测试;错误定位;变异体约减;模糊支配;测试用例约减;信息熵
北京化工大学
硕士
计算机科学与技术
杜彬
2020
中文
TP311.52
2020-11-17（万方平台首次上网日期，不代表论文的发表时间）