本书图文并茂，以实用为主，且附录中包含6种算法的主要代码： GA算法主要代码、HGS算法主要代码 、ACA算法主要代码、TSR-ACA算法主要代码、TSR-GAA算法主要代码、RTSR-HGS算法主要代码。

本书在满足测试需求集的条件下,对测试用例集进行约简,使得测试运行代价最小,从而达到节约测试成本、提高测试效率的目的。本书详细介绍了蚁群算法、遗传算法、改进的蚁群算法、遗传算法和蚁群算法相融合的算法、改进的 HGS算法等约简测试用例集的算法。本书的重点在于约简测试用例集的同时,令所花的测试运行代价最小,且保证约简后测试用例集的错误检测能力不会降低。本书的特色在于,在对这些算法在理论上进行描述的同时,执行了严格的实验来佐证结论。本书可作为高年级本科生、软件测试方向的研究生、有兴趣的青年学者的参考书。

第 1章 绪论 / 11. 1 研究背景及意义 /21. 2 国内外研究现状 / 31. 3 研究的主要内容 /5第 2章 软件测试及测试用例集约简技术 /72. 1 软件测试 /82. 1. 1 软件测试的概念 /82. 1. 2 测试用例的定义 /92. 1. 3 软件测试的分类 /92. 1. 4 软件测试的 目 的 /102. 1. 5 软件测试的原则 /122. 2 测试用例集约简的相关定义和术语 /152. 3 几种典型的测试用例集约简算法介绍 /172. 3. 1 贪 心 算法 /172. 3. 2 HGS算法 /192. 3. 3 GRE算法 /192. 3. 4 整数规划算法 /222. 4 性能分析及实例研究 /24第 3章 基本蚁群算法的测试用例集约简 /263. 1 蚁群算法的思想起源 /273. 2 蚁群算法的基本原理 /283. 3 蚁群算法及其改进 /313. 3. 1 蚁群算法框架 /323. 3. 2 蚁群算法的程序流程图 /333. 3. 3 蚁群算法的数学模型 /333. 3. 4 蚁群算法的参数 /373. 4 蚁群算法的仿真实现 /373. 5 蚁群算法的意义及应用 /383. 5. 1 蚁群算法的意义 /383. 5. 2 蚁群算法的应用 /39第 4章 基本遗传算法的测试用例集约简 /424. 1 遗传算法的思想起源 /434. 2 遗传算法的基本原理 /454. 2. 1 遗传算法概述 /454. 2. 2 遗传算法的特点 /474. 2. 3 遗传算法的基本步骤 /484. 3 遗传算法及其改进 /534. 4 遗传算法的应用 /56第 5章 基于变异因子的蚁群算法的测试用例集约简 /595. 1 问题描述 /605. 2 基于变异因子的蚁群算法的测试用例集约简算法(TSR-ACA)算法 /615. 2. 1 基本蚁群算法的求解过程 /615. 2. 2 蚁群算法中变异因子的引入 /625. 2. 3 信息素的更新 /625. 2. 4 TSR-ACA 算法中的主要参数值 /635. 2. 5 TSR-ACA 算法描述 /665. 3 仿真实验对比 /67第 6章 基于遗传蚁群算法的测试用例集约简 /696. 1 问题描述 /706. 1. 1 问题定义 /706. 1. 2 问题模型 /706. 2 基于遗传蚁群算法的测试用例集约简算法(TSR-GAA)算法 /726. 2. 1 遗传算法与蚁群算法融合的基本原理 /726. 2. 2 遗传算法设计 /726. 2. 3 蚁群算法设计 /736. 2. 4 基于遗传蚁群算法求解约简用例集的算法步骤 /746. 3 仿真实验对比 /76第 7章 基于 HGS算法的回归测试用例集约简 /787. 1 问题描述 /797. 1. 1 相关定义 /797. 1. 2 问题的提出 /807. 2 算法的参数 /817. 2. 1 测试用例的测试覆盖度 /817. 2. 2 测试用例的测试运行代价 /817. 2. 3 测试用例的错误检测能力 /817. 3 基于 HGS算法的回归测试用例集约简算法(RTSR-HGS)算法 /827. 3. 1 测试用例的度量值公式 /837. 3. 2 HGS算法与回归测试用例集约简算法的融合 /837. 4 仿真实验对比 /84第 8章 算法的实现和性能分析工具 /858. 1 性能分析工具的开发环境 /868. 2 性能分析工具 /868. 2. 1 矩阵生成模块 /868. 2. 2 数据编辑模块 /898. 2. 3 算法执行模块 /918. 2. 4 性能分析模块 /938. 3 算法性能对比分析 /95参考文献 /99附录 A GA算法主要代码 /103附录 B HGS算法主要代码 /106附录 C ACA算法主要代码 /117附录 D TSR-ACA算法主要代码 /125附录 E TSR-GAA算法主要代码 /135附录 F RTSR-HGS算法主要代码 /145