genetic-algorithm - 基于扩展有限状态机的遗传算法生成测试序列

Question

我想使用遗传算法基于扩展有限状态机(EFSM)生成测试序列。基于EFSM的测试面临着遗传算法在可行路径上的问题。我的覆盖标准是过渡覆盖。我有一个系统的 EFSM 模型，该模型具有输入参数并保护从一种状态到另一种状态的转换。所以通过使用这个 EFSM 模型，我想生成测试序列。但我对如何开始感到困惑。我的意思是如何产生初始人口。
实际上，我的研究是关于基于 EFSM 的测试用例生成。我有一个 ATM 机模型。这个模型由状态和转换组成。转换具有输入参数的保护和 Action 。现在我想为这台机器生成测试用例。我的意思是基于模型的测试。对于这个任务，不应该有可行路径是强制性的。我的意思是每个转换都应该包含在测试用例中。因此，为此，我需要生成测试序列。遗传算法有利于路径优化。但我不知道如何在遗传算法中使用我的模型规范并生成测试序列。

Answer 1

鉴于后果，我将通过在 FSM 图中使用随机游走来简化人口部分的随机创建(目前不考虑 bool 约束) - 这就像从正则表达式生成示例(或将您的 FSM 转换为传感器在输出上产生输入并遍历它)。一旦您生成了许多足够长的随机示例，您将经历一个使用 _E_FSM 部分验证它们的过程。鉴于其中许多可能无效，您可能会考虑一些“修复”策略 - 修复未验证但离正确不远的个人(您必须自己提出一种启发式方法)。那么你的群体实际上是一组个体(所以你进化了一组群体)，你的评估指标将是集合级别的覆盖率。此外，我要么不使用交叉运算符，要么确保只有有效的点和个人交叉。变异将选择图中的一个点并随机地走不同的路径。这就是解决方案的草图(我用 GA 成功解决了类似的问题)。