4.4　基于强化学习技术的测试用例自动生成技术

本节应用强化学习技术,提出一种提高测试用例自动生成效率的策略。该策略通过模拟人类利用经验进行决策的能力,使得求解器可以利用之前的求解经验来指导变量的赋值,从而提升测试用例自动生成的效率。本节首先针对测试用例生成问题,对强化学习模型进行构建。然后在模型中对强化学习过程中的状态、动作、奖赏分别进行抽象,并基于Q-learning算法构建一种指导约束求解的算法,得出指导变量求解策略。接着通过变量求解策略构建求解行为路径算法,得到整个测试用例自动生成过程中变量求解的行为路径。最后测试12个被测程序,其中包含等式、不等式的约束条件。实验结果证明了该策略的可行性,并确认该方法可以在测试用例自动生成的过程中减少变量赋值的次数,从而提升了测试用例生成的效率。(https://www.daowen.com)