基于失效聚集度的自適應隨機測試算法

　　對于現(xiàn)有的自適應隨機測試（ART）算法針對點狀失效模式普遍存在有效性和效率均比隨機測試（RT）差的問題，提出一種基于失效聚集度的自適應隨機測試（ CLART）算法，對傳統(tǒng)的ART-固定候選集（FSCS）、區(qū)域排除隨機測試（ RRT）等算法進行改進。首先，根據(jù)被測程序的輸入域估計主失效聚集度，確定局部搜索區(qū)域；然后，在區(qū)域內(nèi)使用傳統(tǒng)ART算法生成若干測試用例（TC）進行測試；若未發(fā)現(xiàn)錯誤，重新選擇局部區(qū)域生成TC；重復這一過程直至發(fā)現(xiàn)錯誤。仿真實驗顯示在點狀失效模式和塊狀失效模式下CLART算法的有效性比FSCS算法提高約20%，效率比FSCS算法提高約60%。實驗結(jié)果表明CLART算法利用多個局部區(qū)域依次搜索可以快速鎖定引發(fā)失效輸入分布密集高的失效區(qū)域，從而提高測試的有效性和效率。
?