摘要
本发明公开一种融合强化学习和模拟退火策略的类集成测试序列生成方法,首先对程序进行静态分析以获取类间耦合信息,计算属性复杂度、方法复杂度以及测试桩复杂度;其次,设计强化学习场景,构建测试成本矩阵,将类与类之间的关系建模为与智能体交互的环境;然后,设计动作探索策略,采用基于模拟退火的探索策略来进行智能体动作的选择;最后,利用Sarsa算法对智能体进行训练,通过智能体与环境的不断交互学习最优策略,当学习过程结束,得到一个最优的类集成测试序列;本发明能够有效地降低类集成测试序列的总体测试桩复杂度,在不同待测程序上多次生成解的稳定性也得到了提升,提高软件测试的效率,更好地控制了软件产品的质量。
技术关键词
Sarsa算法
复杂度
测试桩
策略
智能体交互
关系建模
序列
训练智能体
待测程序
参数
矩阵
变量
因子
计算方法
分析模块
线性
场景
系统为您推荐了相关专利信息
策略优化方法
策略计算方法
分布式模型预测控制
遗传规划算法
通信链路状态
数据调度方法
布谷鸟搜索算法
节点
分布式存储单元
策略
神经网络模型
径流
高斯混合模型
预报方法
训练集数据
无人机电力巡检
应急响应系统
安全监管
电网拓扑约束
实时监测数据
校核计算方法
并行计算模式
并行计算设备
负载均衡机制
并行求解方法