基于双种群遗传算法的测试用例优先级排序

在软件全生命周期的任何一个阶段，只要软件发生了修改和迭代，回归测试都会被触发，以确保新的更改不会妨碍未更改的部分的行为。测试用例优先级排序是提高回归测试效率的技术之一，基于搜索的算法可以提高排序的效率和有效性。在基于搜索的测试用例优先级排序算法中，遗传算法受到研究人员的广泛关注，但传统遗传算法存在种群缺乏多样性而过早收敛和和进化后期收敛速度慢的问题。因此，本文将双种群遗传算法引入测试用例排序中解决过早收敛问题，使用Boltmann选择法实现自适应选择压力来解决后期收敛速度慢的问题，同时在适应度函数中使用考虑方法重要性程度的改进覆盖率算法来指导搜索过程。最后在具有真实故障的数据集Defects4j上进行对比验证，结果表明，本文算法在平均故障检测率（APFD）方面优于传统遗传算法。