我校计算机学院（软件学院）周建涛教授课题组最新研究成果“An Effective Approach to High Strength Covering Array Generation in Combinatorial Testing”被计算机领域国际顶级期刊《IEEE Transactions on Software Engineering》正式录用，论文的预印版本目前已发布在IEEE Xplore上（DOI: 10.1109/TSE.2023.3306461）。

论文在软件测试领域，选题研究高维可变力度覆盖数组生成的测试方法，是一项理论难度高、实践体量大的工作。研究成果可以有效加速候选测试用例计算过程，支持生成更高覆盖强度的组合测试用例，对大数据分析、大模型、云计算、物联网等关键领域的模型或系统测试具有理论指导意义。

在新型计算架构和人工智能等应用背景下，为了保证大型复杂软件具有更高的可靠性，需要使用支持更高覆盖强度的组合测试方法。然而，随着待测软件复杂度和涉及参数数量的显著提高，大部分组合测试用例生成方法仅支持较低覆盖强度（如2和3）的测试用例生成。特别是基于群智能的元启发式算法，尽管得到了广泛研究和应用，但这类方法需要通过判定候选解的组合覆盖情况来评价解的优劣，且存在候选解数量众多，算法需要多次迭代的情况，难以支持更高覆盖强度。

为了支持元启发式算法生成更高覆盖强度的组合测试用例，论文基于特殊设计的数据结构，提出了具有通用性的多种相关的组合定位方法，并给出了方法的适应度计算具体过程（如图1所示）。

图1 适应度计算过程

表1数据表明提出的组合定位方法和适应度计算方法与经典组合测试用例生成方法相比，具有最小的时间复杂度，所提的数据结构也具有最小的空间复杂度。

表1 时间复杂度与空间复杂度比较

然后，论文将多学习策略，包括鲍德温学习与拉马克学习结合应用于概率幅量子粒子群优化方法，根据构造覆盖数组过程中反馈的信息，对算法进行动态调整，避免算法由于早熟收敛导致的生成覆盖数组规模偏大问题。论文对改进的概率幅量子粒子群优化进行了参数调节实验（如图2所示），并给出了推荐参数配置。

(a)iteration

(b)population size

(c) initial temperature

(d) population reinitialization threshold

图2参数调节实验图

最后，在多种类型实验基准与不同类型对比算法进行了消融（如表2所示）和大量对比实验（如表3所示），并对实验数据全部进行了Wilcoxon符号秩检验（如表4所示），实验数据清晰地表明论文所提出的算法在效率和时间性能表现上都比大多数具有代表性方法产生更有竞争力的结果，且具有显著性差异。所提算法可以为实验基准生成覆盖强度高达15的测试用例集，且总共报告13个最优测试用例集规模新记录。

表2 消融实验结果

表3 对比实验结果

表4 消融实验结果统计检验分析

《IEEE Transactions on Software Engineering》(IEEE TSE)是软件工程领域的顶级国际期刊，也是中国计算机学会（CCF）推荐的“国际上的顶级刊物，鼓励我国学者去突破”的A类期刊，中科院SCI期刊分区中为1区且被认定为软件工程领域的TOP期刊。该期刊创刊于1975年，积淀了48年的历史，享有广泛的引用和认可。该论文是我校首次在TSE上发表成果，标志着计算机软件与理论方向的研究迈上新台阶。

我校计算机学院（软件学院）周建涛教授为该论文的通讯作者，第一作者国旭是学院自主培养的博士毕业生，2023年6月毕业留校工作，内蒙古大学为第一完成单位。

论文链接：https://ieeexplore.ieee.org/document/10224655/authors#authors

周建涛教授（左）与国旭（右）

供稿：计算机学院（软件学院）  编辑：李文娟     审核：王烨辉  刘雪峰