資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學基於模型的測試教程
應用程式測試對於任何應用程式來說都是一項關鍵活動。在過去十年中，已經開發出各種應用程式測試方法，以確保我們提供滿足所有客戶需求的高質量應用程式。
基於模型的測試 (MBT) 是測試自動化領域中的一個熱門話題，它涉及從被測應用程式的模型中建立測試用例。
現在已經可以使用各種基於模型的測試方法。我們將向您展示兩種使用遺傳演算法的基於模型的測試方法。使用遺傳演算法進行基於模型的測試是一個熱門話題，並且有幾篇論文和對現有技術的比較。
什麼是基於模型的測試，它是如何工作的？
基於模型的測試是一種軟體測試方法，其中將被測產品的執行時行為與模型預測進行比較。模型是對系統行為的表示。輸入序列、動作、條件、輸出以及從輸入到輸出的資料流都可以用來定義行為。它應該易於理解和重用；共享必須提供被測系統的詳細描述。
有各種可用的模型來描述系統行為的各個方面。
以下是模型的一些示例：
資料流
控制流
依賴圖
決策表
狀態轉換機
基於模型的測試解釋了系統如何響應活動（由模型確定）。提供動作並觀察系統是否按預期響應。
這是一種驗證系統的簡單形式化方法。此測試可用於硬體和軟體。
基本的 MBT 流程包括五個關鍵步驟：
建模
測試計劃
測試設計
測試生成
測試執行
建模
建模是描述系統需求的過程。測試生成器將基於此描述。
模型中還必須包含被測系統的預期輸出。設計模型和測試模型在此階段非常重要。
選擇模型時應考慮一些關鍵標準：在大多數情況下，模型被轉換為狀態轉換系統或有限狀態機系統。有限狀態機系統是系統潛在配置的表示。
搜尋系統中的可執行路徑以查詢測試用例。將使用合理的執行路徑來生成測試用例。如果模型是確定性的，或者可以轉換為確定性模型，則可以使用此方法。
測試計劃
測試計劃包括定義測試選擇標準和指標。這提供了對測試用例規範的形式化制定，以及指導可行測試套件的對映等。
測試設計
測試設計是指使用前面的測試選擇標準對測試用例進行形式化。
測試生成
這需要建立儘可能多的測試。
離線
搜尋演算法
測試格式是預先確定的。
線上
行走或尋光演算法
在執行上一步並收到輸出值後，確定下一步。
演算法必須快速。
測試執行
執行測試並查詢當前輸出和預期輸出之間的差異。
進化演算法
進化演算法中使用的所有概念都是選擇、繁殖和變異。
我們將在本文中介紹三種不同的進化演算法：
遺傳演算法
進化規劃
進化策略
基於遺傳資訊的演算法 (GA)
遺傳演算法屬於進化計算，而進化計算屬於人工智慧。
遺傳演算法基於達爾文的進化論。也可以說，透過遺傳演算法解決的問題的答案已經進化了。
我們在遺傳演算法中使用來自自然選擇的四個關鍵概念：基因、染色體（個體）、種群和自然選擇。
自然選擇包括以下步驟：
將選擇種群中最適合的個體。
個體將擁有繼承其父母特徵的後代。
後代將包含在下一代中。
更適合的父母的後代將勝過他們的父母，並且有更高的生存機會。
這是一個迭代過程，將產生最適合的個體的一代。
描述遺傳演算法最簡單的方法是想象我們有一個要解決的問題，並且我們可以檢查該問題的解決方案集合。我們將不得不使用進化論和自然選擇來找到該問題的最佳答案。
遺傳演算法中使用以下術語：
**初始種群：**問題從當前問題的潛在解決方案（個體）集合開始。種群由一定數量的個體組成。每個人都是我們試圖解決的問題的潛在解決方案。一組引數構成一個個體（變數）。這些特性被稱為基因。基因連線成一個字串形成染色體（解決方案/個體）。二進位制值（1 和 0 的字串）通常用於對染色體中的基因進行編碼。
**適應度函式：**確定個體與其他個體競爭的能力。基於適應度函式，我們將為每個個體（染色體/解決方案）計算適應度分數。適應度分數決定了個體被選中進行繁殖的可能性。
**選擇：**將選擇最適合的個體，並將它們的基因傳遞給下一代。它是如何工作的？根據它們的適應度分數，演算法將選擇兩對個體（父母）。將選擇具有高適應度水平的個體進行繁殖。有很多選擇演算法。
**交叉（重組）：**這是遺傳演算法最重要的階段。交叉有多種形式。通常，從要交配的每對父母的基因中隨機選擇一個交叉點，以產生新的後代並將它們插入種群。因此，這兩個父母將有兩個孩子。
**變異：**這是一種遺傳運算元，以較低的隨機頻率應用於產生的一部分新的後代。這意味著位字串中的位數經常被交換。
**終止：**如果種群沒有產生與前一代明顯不同的後代，則演算法將終止。現在我們可以說遺傳演算法已經為我們的問題生成了一組解決方案。
基於模型的測試和遺傳演算法
瞭解如何將遺傳演算法應用於基於模型的測試是本文最重要的部分。讓我們來看一下遺傳演算法在基於模型的測試中的兩種用途。
我們現在正在使用遺傳演算法中的所有術語，並演示它們如何在 GA 的各種基於模型的測試應用程式中使用。
使用 GA 從 UML 狀態圖模型生成測試資料基於模型的測試可以從被測應用程式的 UML（統一建模語言）模型表示中生成測試用例和可執行測試指令碼。使用統一建模語言 (UML) 狀態圖，可以使用遺傳演算法生成測試資料。
使用 UML 狀態圖時，請記住以下術語：
狀態圖（狀態圖）用於表示任何複雜特徵或描述完整系統、子系統甚至系統內單個專案的動態行為。
在編碼之前，基於模型的測試用於從 UML 狀態圖中提取測試用例。因此，我們可以為任何程式規範建立測試套件。規範通常以 UML 圖或形式語言規範的形式出現。
觸發器類似於事件，它啟動從一種狀態到另一種狀態的轉換。
保護條件是一個布林條件，在轉換髮生之前必須滿足該條件。
轉換髮生時發生的動作（活動）被稱為影響。
如前所述，為了使用遺傳演算法，我們必須首先建立初始人群（染色體）。這個初始種群將是我們挑戰的解決方案集合。
基於模型的測試挑戰 −
在任何公司部署MBT顯然需要大量的資金和工作。
學習曲線會更長，模型也更難理解。
基於模型的測試的優勢 −
MBT具有以下優點 −
簡單的測試用例/套件維護
節省成本，提高測試覆蓋率
可以在n臺計算機上執行各種測試
早期缺陷識別
缺陷數量增加（此條可能與上下文不符，建議修改為更正面的說法，例如：更有效的缺陷發現）
節省時間
提高測試人員的工作滿意度
結論
在測試過程中，測試人員無論如何都會建立心智模型。這些心智模型可以轉換成紙質模型。這有助於提高測試人員的可讀性和可重用性。
基於模型的測試是一種相對較新的軟體測試方法。下圖描述了軟體測試的演變過程 −
瀏覽量1K+
