一种深度强化学习模型的覆盖性测试方法

本发明公开了一种深度强化学习模型的覆盖性测试方法，属于人工智能领域；具体是首先，利用随机生成器创建大小为K的初始测试用例集，并将其加入到测试用例池T中；遍历测试用例池T中每个测试用例，执行强化学习测试，将累计奖励低于奖励的临界值的各测试用例，复制一份放入失败案例收集F中；然后，种子选择器依据五个维度指标，对测试用例池中所有测试用例进行选择得到k个种子，构成种子集合Ri。接着，使用种子生成器对各种子进行交叉变异，生成大小为K的测试用例集Qi，并将其作为新一轮测试的T；重复直至迭代次数到达I，输出失败测试用例集合F。本发明能够动态调整种子选择和变异策略，提高了测试用例的质量。