数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法学基于模型的测试教程
应用程序测试对于任何应用程序来说都是一项关键活动。在过去十年中，已经开发出各种应用程序测试方法，以确保我们提供满足所有客户需求的高质量应用程序。
基于模型的测试 (MBT) 是测试自动化领域中的一个热门话题，它涉及从被测应用程序的模型中创建测试用例。
现在已经可以使用各种基于模型的测试方法。我们将向您展示两种使用遗传算法的基于模型的测试方法。使用遗传算法进行基于模型的测试是一个热门话题，并且有几篇论文和对现有技术的比较。
什么是基于模型的测试，它是如何工作的？
基于模型的测试是一种软件测试方法，其中将被测产品的运行时行为与模型预测进行比较。模型是对系统行为的表示。输入序列、动作、条件、输出以及从输入到输出的数据流都可以用来定义行为。它应该易于理解和重用；共享必须提供被测系统的详细描述。
有各种可用的模型来描述系统行为的各个方面。
以下是模型的一些示例：
数据流
控制流
依赖图
决策表
状态转换机
基于模型的测试解释了系统如何响应活动（由模型确定）。提供动作并观察系统是否按预期响应。
这是一种验证系统的简单形式化方法。此测试可用于硬件和软件。
基本的 MBT 流程包括五个关键步骤：
建模
测试计划
测试设计
测试生成
测试执行
建模
建模是描述系统需求的过程。测试生成器将基于此描述。
模型中还必须包含被测系统的预期输出。设计模型和测试模型在此阶段非常重要。
选择模型时应考虑一些关键标准：在大多数情况下，模型被转换为状态转换系统或有限状态机系统。有限状态机系统是系统潜在配置的表示。
搜索系统中的可执行路径以查找测试用例。将使用合理的执行路径来生成测试用例。如果模型是确定性的，或者可以转换为确定性模型，则可以使用此方法。
测试计划
测试计划包括定义测试选择标准和指标。这提供了对测试用例规范的形式化制定，以及指导可行测试套件的映射等。
测试设计
测试设计是指使用前面的测试选择标准对测试用例进行形式化。
测试生成
这需要创建尽可能多的测试。
离线
搜索算法
测试格式是预先确定的。
在线
行走或寻光算法
在执行上一步并收到输出值后，确定下一步。
算法必须快速。
测试执行
运行测试并查找当前输出和预期输出之间的差异。
进化算法
进化算法中使用的所有概念都是选择、繁殖和变异。
我们将在本文中介绍三种不同的进化算法：
遗传算法
进化规划
进化策略
基于遗传信息的算法 (GA)
遗传算法属于进化计算，而进化计算属于人工智能。
遗传算法基于达尔文的进化论。也可以说，通过遗传算法解决的问题的答案已经进化了。
我们在遗传算法中使用来自自然选择的四个关键概念：基因、染色体（个体）、种群和自然选择。
自然选择包括以下步骤：
将选择种群中最适合的个体。
个体将拥有继承其父母特征的后代。
后代将包含在下一代中。
更适合的父母的后代将胜过他们的父母，并且有更高的生存机会。
这是一个迭代过程，将产生最适合的个体的一代。
描述遗传算法最简单的方法是想象我们有一个要解决的问题，并且我们可以检查该问题的解决方案集合。我们将不得不使用进化论和自然选择来找到该问题的最佳答案。
遗传算法中使用以下术语：
**初始种群：**问题从当前问题的潜在解决方案（个体）集合开始。种群由一定数量的个体组成。每个人都是我们试图解决的问题的潜在解决方案。一组参数构成一个个体（变量）。这些特性被称为基因。基因连接成一个字符串形成染色体（解决方案/个体）。二进制值（1 和 0 的字符串）通常用于对染色体中的基因进行编码。
**适应度函数：**确定个体与其他个体竞争的能力。基于适应度函数，我们将为每个个体（染色体/解决方案）计算适应度分数。适应度分数决定了个体被选中进行繁殖的可能性。
**选择：**将选择最适合的个体，并将它们的基因传递给下一代。它是如何工作的？根据它们的适应度分数，算法将选择两对个体（父母）。将选择具有高适应度水平的个体进行繁殖。有很多选择算法。
**交叉（重组）：**这是遗传算法最重要的阶段。交叉有多种形式。通常，从要交配的每对父母的基因中随机选择一个交叉点，以产生新的后代并将它们插入种群。因此，这两个父母将有两个孩子。
**变异：**这是一种遗传算子，以较低的随机频率应用于产生的一部分新的后代。这意味着位字符串中的位数经常被交换。
**终止：**如果种群没有产生与前一代明显不同的后代，则算法将终止。现在我们可以说遗传算法已经为我们的问题生成了一组解决方案。
基于模型的测试和遗传算法
了解如何将遗传算法应用于基于模型的测试是本文最重要的部分。让我们来看一下遗传算法在基于模型的测试中的两种用途。
我们现在正在使用遗传算法中的所有术语，并演示它们如何在 GA 的各种基于模型的测试应用程序中使用。
使用 GA 从 UML 状态图模型生成测试数据基于模型的测试可以从被测应用程序的 UML（统一建模语言）模型表示中生成测试用例和可执行测试脚本。使用统一建模语言 (UML) 状态图，可以使用遗传算法生成测试数据。
使用 UML 状态图时，请记住以下术语：
状态图（状态图）用于表示任何复杂特征或描述完整系统、子系统甚至系统内单个项目的动态行为。
在编码之前，基于模型的测试用于从 UML 状态图中提取测试用例。因此，我们可以为任何程序规范创建测试套件。规范通常以 UML 图或形式语言规范的形式出现。
触发器类似于事件，它启动从一种状态到另一种状态的转换。
保护条件是一个布尔条件，在转换发生之前必须满足该条件。
转换发生时发生的动作（活动）被称为影响。
如前所述，为了使用遗传算法，我们必须首先建立初始人群（染色体）。这个初始种群将是我们挑战的解决方案集合。
基于模型的测试挑战 −
在任何公司部署MBT显然需要大量的资金和工作。
学习曲线会更长，模型也更难理解。
基于模型的测试的优势 −
MBT具有以下优点 −
简单的测试用例/套件维护
节省成本，提高测试覆盖率
可以在n台计算机上执行各种测试
早期缺陷识别
缺陷数量增加（此条可能与上下文不符，建议修改为更正面的说法，例如：更有效的缺陷发现）
节省时间
提高测试人员的工作满意度
结论
在测试过程中，测试人员无论如何都会创建心智模型。这些心智模型可以转换成纸质模型。这有助于提高测试人员的可读性和可重用性。
基于模型的测试是一种相对较新的软件测试方法。下图描述了软件测试的演变过程 −
浏览量1K+
