摘要
本发明公开了基于强化学习与Testim的AI驱动自动化测试方法及系统,属于软件测试技术领域,本发明要解决的技术问题为传统自动化测试工具因UI动态变化导致的元素定位失效、维护成本高及视觉验证低效,采用的技术方案为:通过Testim提取待测元素的文本、位置及层级特征,生成状态向量St;基于强化学习模型从预设动作集合中选择最优定位动作At;其中,强化学习模型采用Q‑learning或深度Q网络。执行最优定位动作At,通过Applitools验证UI渲染结果,计算奖励值Rt;根据奖励值更新强化学习模型参数,形成“定位‑执行‑视觉反馈”优化闭环。
技术关键词
自动化测试方法
强化学习模型
计算机执行指令
自动化测试系统
深度Q网络
定位策略
待测元素
自动化测试工具
视觉
层级
软件测试技术
特征提取能力
更新模型参数
可读存储介质
文本
闭环
处理器
存储器
系统为您推荐了相关专利信息
测试用例文档
智能座舱
自动化测试方法
噪声语音
人机交互界面
分布式光纤传感网络
耦合特征
智能钻探设备
深度强化学习模型
移动扫描装置
卫星网络切换方法
分布式学习
服务器
深度Q网络
生成动作
网络管理服务
网络管理功能
网络管理架构
虚拟设备
命令