基于K-均值聚類(lèi)的軟件測(cè)試數(shù)據(jù)生成算法

劉光源

（湖北經(jīng)濟(jì)學(xué)院，湖北 武漢 430205）

0 引言

軟件測(cè)試是檢驗(yàn)軟件質(zhì)量、測(cè)試軟件運(yùn)行速度等指標(biāo)的關(guān)鍵環(huán)節(jié)之一，任何一款軟件在上市或投入使用前，都需要經(jīng)歷測(cè)試階段。在測(cè)試過(guò)程中，軟件需要生成大量的數(shù)據(jù)，可以通過(guò)檢驗(yàn)數(shù)據(jù)的完整性或挖掘測(cè)試軟件生成數(shù)據(jù)之間的規(guī)律，進(jìn)行軟件運(yùn)行質(zhì)量的評(píng)估。但現(xiàn)階段大部分軟件在測(cè)試后生成的數(shù)據(jù)具有冗余、量大的特點(diǎn)，如果按照常規(guī)的方法，采用窮盡測(cè)試手段，不僅會(huì)增加軟件測(cè)試的工作量，還會(huì)造成測(cè)試效率的低下[1]。因此，有必要在現(xiàn)有工作的基礎(chǔ)上，加大對(duì)軟件測(cè)試中數(shù)據(jù)生成過(guò)程的研究，通過(guò)生成少量、高質(zhì)量數(shù)據(jù)，提高測(cè)試的速度與綜合效率。

為落實(shí)此項(xiàng)工作，相關(guān)科研單位提出了基于云計(jì)算技術(shù)的數(shù)據(jù)生成方法，此方法可以有效降低測(cè)試軟件數(shù)據(jù)的生成量，但卻難以保障所生成的數(shù)據(jù)具有針對(duì)性與覆蓋全面性[2]。此外，在深入對(duì)此方面內(nèi)容進(jìn)行研究后發(fā)現(xiàn)，還有學(xué)者通過(guò)聚類(lèi)算法、均值算法生成數(shù)據(jù)，根據(jù)現(xiàn)階段的實(shí)踐，這些算法所生成的數(shù)據(jù)不僅可以解決數(shù)據(jù)缺少代表性的問(wèn)題，還可以提高生成數(shù)據(jù)的覆蓋面。但相關(guān)生成算法的研究現(xiàn)階段仍處于理論階段。

基于上述背景，本文將在此方面研究中引進(jìn)K-均值聚類(lèi)算法，設(shè)計(jì)一種針對(duì)軟件測(cè)試數(shù)據(jù)的全新生成算法，通過(guò)此種方式，解決軟件測(cè)試中的核心問(wèn)題與重難點(diǎn)問(wèn)題。

1 建立軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)

為確保設(shè)計(jì)的數(shù)據(jù)生成算法可以生成適用于軟件測(cè)試的數(shù)據(jù)集合與數(shù)據(jù)組，在設(shè)計(jì)算法前，首先建立軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)，明確測(cè)試數(shù)據(jù)聚類(lèi)方向[3]，從而確保數(shù)據(jù)生成數(shù)據(jù)圍繞軟件測(cè)試適用范圍展開(kāi)。在此過(guò)程中，設(shè)定一個(gè)分支函數(shù)，將此函數(shù)表示為f，所有生成的數(shù)據(jù)都應(yīng)當(dāng)屬于f的分支。在f的分支中插入結(jié)構(gòu)性函數(shù)，對(duì)數(shù)據(jù)的生成過(guò)程進(jìn)行約束[4]。此過(guò)程如式（1）所示：

式中，表示分支函數(shù)；表示數(shù)據(jù)生成過(guò)程的約束條件；表示函數(shù)極限值；表示最小構(gòu)造值。在此基礎(chǔ)上，通過(guò)對(duì)函數(shù)最小值的求解，進(jìn)行數(shù)據(jù)與軟件測(cè)試過(guò)程適應(yīng)度的評(píng)估，將評(píng)估結(jié)果作為適應(yīng)度函數(shù)建立的依據(jù)。提取適應(yīng)度較強(qiáng)的數(shù)據(jù)，將其作為函數(shù)填充數(shù)據(jù)，刪除適應(yīng)度較弱或不符合插值的數(shù)據(jù)，建立如下所示的軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)：

式中，表示軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)；表示函數(shù)最小值解集；表示適應(yīng)度參數(shù)；表示適應(yīng)度較強(qiáng)的數(shù)據(jù)；表示生成數(shù)據(jù)的適配性。按照上述方式，完成數(shù)據(jù)生成過(guò)程中適應(yīng)度函數(shù)的建立。

2 基于K-均值算法的測(cè)試數(shù)據(jù)聚類(lèi)

在完成上述設(shè)計(jì)后，為進(jìn)一步提高數(shù)據(jù)與軟件測(cè)試過(guò)程的適配性，引進(jìn)K-均值算法，對(duì)測(cè)試數(shù)據(jù)進(jìn)行聚類(lèi)，通過(guò)此種方式，使具有相同特征或指向的數(shù)據(jù)聚合在一起[5]。在此過(guò)程中，需要將空間中的粒子群劃分為K個(gè)子群，通過(guò)對(duì)這些子群K中最優(yōu)聚合點(diǎn)的選擇，進(jìn)行粒子在空間中位置的更新。聚類(lèi)前，將粒子的空間位置進(jìn)行初始化處理，處理過(guò)程如下：

式中，l表示空間位置初始化處理；X表示粒子群密度；I表示離散聚合程度；Z表示粒子當(dāng)前所在的空間位置；M表示參照坐標(biāo)；j表示粒子傳輸鏈路。然后使用K-均值算法在空間粒子群中隨機(jī)選擇若干個(gè)聚類(lèi)中心，將聚類(lèi)中心作為一個(gè)測(cè)試數(shù)據(jù)子集。對(duì)子集進(jìn)行迭代，迭代處理過(guò)程如下所示：

式中，p表示測(cè)試數(shù)據(jù)子集的迭代處理；p表示迭代訓(xùn)練次數(shù)；B表示節(jié)點(diǎn)分布均勻性；K表示子群數(shù)量；表示最優(yōu)迭代值。完成迭代后，提取每個(gè)子群中的特征點(diǎn)，根據(jù)特征點(diǎn)所在的空間位置，進(jìn)行測(cè)試數(shù)據(jù)的聚類(lèi)[6]。聚類(lèi)處理過(guò)程如下：

式中，表示測(cè)試數(shù)據(jù)的聚類(lèi)處理；表示聚類(lèi)次數(shù)；表示聚類(lèi)中心；表示粒子在空間中的更新速度。通過(guò)上述方式，完成基于K-均值算法的測(cè)試數(shù)據(jù)聚類(lèi)處理。

3 測(cè)試數(shù)據(jù)離散度動(dòng)態(tài)處理與生成

為實(shí)現(xiàn)對(duì)軟件測(cè)試數(shù)據(jù)的高效率生成，利用PSO算法，通過(guò)對(duì)測(cè)試數(shù)據(jù)PSO參數(shù)的線性改進(jìn)，實(shí)現(xiàn)對(duì)測(cè)試數(shù)據(jù)離散度的動(dòng)態(tài)化處理。在處理過(guò)程中，對(duì)空間中的粒子群進(jìn)行收斂性分析，以粒子群的外在特征作為參照，進(jìn)行位置的一致性約束。將此過(guò)程作為測(cè)試數(shù)據(jù)離散度動(dòng)態(tài)處理的過(guò)程，此過(guò)程如下所示：

式中，F(xiàn)表示測(cè)試數(shù)據(jù)離散度動(dòng)態(tài)處理；表示收斂行為；a表示一致性約束條件；D表示參數(shù)的線性改進(jìn)處理過(guò)程。在此基礎(chǔ)上，對(duì)完成離散度處理的數(shù)據(jù)空間狀態(tài)進(jìn)行檢驗(yàn)，檢驗(yàn)過(guò)程如下：

4 對(duì)比實(shí)驗(yàn)與結(jié)果分析

上文完成了數(shù)據(jù)生成算法的設(shè)計(jì)，為實(shí)現(xiàn)該算法在實(shí)際應(yīng)用中生成效果的檢驗(yàn)，下述將以某款測(cè)試軟件為例，采用設(shè)計(jì)對(duì)比實(shí)驗(yàn)的方式，進(jìn)行生成算法的測(cè)試。

測(cè)試前，搭建可視化實(shí)驗(yàn)操作平臺(tái)，對(duì)生成數(shù)據(jù)過(guò)程中算法的迭代處理過(guò)程進(jìn)行實(shí)時(shí)采集與獲取。可視化實(shí)驗(yàn)操作平臺(tái)的參數(shù)如表1所示。

表1 可視化實(shí)驗(yàn)操作平臺(tái)參數(shù)

按照上述內(nèi)容，搭建對(duì)比實(shí)驗(yàn)測(cè)試環(huán)境。在此基礎(chǔ)上，使用本文設(shè)計(jì)的生成算法，生成軟件測(cè)試過(guò)程中的數(shù)據(jù)。在生成過(guò)程中，根據(jù)軟件的性能，建立軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)，同時(shí)，引進(jìn)K-均值聚類(lèi)算法，對(duì)適應(yīng)度較高或具有相同迭代特征的數(shù)據(jù)進(jìn)行聚類(lèi)。完成聚類(lèi)后，對(duì)測(cè)試數(shù)據(jù)進(jìn)行離散度的動(dòng)態(tài)處理，集成數(shù)據(jù)，即可完成測(cè)試數(shù)據(jù)的生成工作。

在此基礎(chǔ)上，引進(jìn)基于遺傳算法的數(shù)據(jù)生成算法，將其作為對(duì)照組算法。使用此算法生成測(cè)試數(shù)據(jù)時(shí)，需要先利用樣本生成方法，對(duì)軟件測(cè)試中產(chǎn)生的數(shù)據(jù)進(jìn)行多維度深度學(xué)習(xí)與訓(xùn)練。當(dāng)數(shù)據(jù)發(fā)生交互后，使用遺傳算法，對(duì)交互數(shù)據(jù)進(jìn)行迭代。為防止數(shù)據(jù)泄露或發(fā)生丟失，還需要在訓(xùn)練中使用對(duì)抗網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)處理。完成上述處理后，整理數(shù)據(jù)，實(shí)現(xiàn)測(cè)試數(shù)據(jù)的生成工作。

完成采用兩種生成算法的數(shù)據(jù)生成過(guò)程的設(shè)計(jì)后，設(shè)定數(shù)據(jù)生成的過(guò)程為“0→1”，即原始數(shù)據(jù)集合表示為“0”，兩種算法將持續(xù)進(jìn)行數(shù)據(jù)的訓(xùn)練與迭代，當(dāng)數(shù)據(jù)集合在完成訓(xùn)練達(dá)到“1”后，證明完成訓(xùn)練測(cè)試數(shù)據(jù)生成工作。此過(guò)程進(jìn)行描述如圖1所示。

圖1 兩種算法生成數(shù)據(jù)時(shí)的迭代訓(xùn)練過(guò)程

圖1 中，實(shí)線表示本文算法生成數(shù)據(jù)時(shí)的迭代訓(xùn)練過(guò)程；虛線表示傳統(tǒng)算法生成數(shù)據(jù)時(shí)的迭代訓(xùn)練過(guò)程。根據(jù)圖1中兩條曲線的變化趨勢(shì)可以看出，本文算法在經(jīng)過(guò)了400次迭代后，完成了軟件測(cè)試數(shù)據(jù)生成工作。而對(duì)照組算法需要在完成1 000次以上的迭代，才能完成軟件測(cè)試數(shù)據(jù)生成工作。通過(guò)上述統(tǒng)計(jì)數(shù)據(jù)可以證明，相比傳統(tǒng)的算法，本文設(shè)計(jì)的數(shù)據(jù)生成算法在實(shí)際應(yīng)用中的生成效率較高。

完成上述實(shí)驗(yàn)后，將兩種方法迭代處理過(guò)程中，生成數(shù)據(jù)中未完全覆蓋的組合數(shù)據(jù)數(shù)目作為對(duì)比指標(biāo)。在此過(guò)程中，未完全覆蓋的組合數(shù)據(jù)數(shù)目越多，證明生成的數(shù)據(jù)所覆蓋的范圍越窄，反之，未完全覆蓋的組合數(shù)據(jù)數(shù)目越少，證明生成的數(shù)據(jù)所覆蓋的范圍越大。當(dāng)未完全覆蓋的組合數(shù)據(jù)數(shù)目為0時(shí)，證明生成的數(shù)據(jù)覆蓋了所有軟件測(cè)試數(shù)據(jù)，即數(shù)據(jù)具有較強(qiáng)的針對(duì)性與實(shí)用性。統(tǒng)計(jì)在不同迭代次數(shù)下兩種算法所生成數(shù)據(jù)的覆蓋程度，將實(shí)驗(yàn)結(jié)果整理成表格，如表2所示。

表2 未完全覆蓋的組合數(shù)據(jù)數(shù)目統(tǒng)計(jì)

綜合表2與圖1所示的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，相比傳統(tǒng)的數(shù)據(jù)生成算法，本文設(shè)計(jì)的數(shù)據(jù)生成算法的綜合實(shí)用性更強(qiáng)，可以在提高數(shù)據(jù)生成效率的基礎(chǔ)上，使生成數(shù)據(jù)中未完全覆蓋的組合數(shù)據(jù)數(shù)目快速降為0。

5 結(jié)束語(yǔ)

本文通過(guò)建立軟件測(cè)試數(shù)據(jù)適應(yīng)度函數(shù)、基于K-均值算法的測(cè)試數(shù)據(jù)聚類(lèi)、測(cè)試數(shù)據(jù)離散度動(dòng)態(tài)處理與生成，完成了數(shù)據(jù)生成算法的設(shè)計(jì)。將此算法與本文算法在實(shí)際應(yīng)用中的綜合性能進(jìn)行比對(duì)實(shí)驗(yàn)，結(jié)果表明，本文設(shè)計(jì)的數(shù)據(jù)生成算法的綜合實(shí)用性更強(qiáng)。若想將本文設(shè)計(jì)的成果在市場(chǎng)相關(guān)領(lǐng)域內(nèi)推廣使用，還應(yīng)在現(xiàn)有工作的基礎(chǔ)上，對(duì)算法試驗(yàn)進(jìn)行更多的投入，以便全局掌握此算法在使用中存在的優(yōu)勢(shì)與不足，為提高此算法的性能提供更全面的技術(shù)指導(dǎo)。