用于变强度组合测试套件生成的粒子群优化算法的模糊自适应调参

组合交互测试是一种重要的软件测试技术，近年来受到广泛关注。它通过考虑输入参数组合之间的交互作用，减少所需的测试用例数量。经验证据表明，它能有效检测故障，特别是对于高度可配置的软件系统。在实际软件测试中，输入变量的交互强度可能不同，变强度组合交互测试（VS-CIT）可利用这一点以提高有效性。变强度测试套件的生成是一个非确定性多项式时间（NP）困难的计算问题。研究表明，与替代方法相比，基于随机种群的算法（如粒子群优化（PSO））对于VS-CIT问题是高效的。然而，它们需要精细控制以权衡探索与开发，避免过早收敛（即陷入局部最优），并增强解的多样性。在此，我们提出一种基于Mamdani模糊推理系统的PSO新变体，以实现其全局与局部搜索操作的自适应选择。我们详述了该组合算法的设计，并通过在多个合成与基准问题上的实验对其进行了评估。我们得出结论，全局与局部搜索操作的模糊自适应选择至少是可行的，因为其性能仅略逊于一种称为DPSO的离散PSO变体。就获得最佳平均测试套件规模而言，模糊自适应偶尔甚至优于DPSO。我们讨论了此性能背后的原因，并概述了相关的未来工作方向。