不完美排错SRGM决策方法、系统、介质、设备及应用技术方案

本发明专利技术属于软件测试技术领域，公开了一种不完美排错SRGM决策方法、系统、介质、设备及应用，包括：对实际测试过程与SRGM的研究本质一致性进行分析，建立分类视角下的SRGM归类集合；从矩阵分析的角度形式化描述SRGM评价与选择问题，获得加权标准化决策矩阵；建立基于明考斯基距离的双最优化排序方法，对模型的性能进行综合评价，给出SRGMs间的性能偏序关系；验证和阐释模型性能之间的排序，并进行参数敏感性分析。本发明专利技术通过在真实的失效数据集上进行实验和分析，检验所提出方法的有效性，为定量决策模型提供了有力支持。实验表明，本发明专利技术提出的双最优化排序方法MMIMMD可以较好地对模型进行多维度评估。型进行多维度评估。型进行多维度评估。

【技术实现步骤摘要】
不完美排错SRGM决策方法、系统、介质、设备及应用


[0001]本专利技术属于软件测试
，尤其涉及一种不完美排错SRGM决策方法、系统、介质、设备及应用。

技术介绍

[0002]目前，软件失效由软件中的故障所引发，软件中故障的数量以及被检测与修复的故障数量等均与软件可靠性紧密相关。为了定量化地提高软件系统的可靠性，软件可靠性增长模型SRGM(Software Reliability Growth Model)得到了深入的研究，考虑多种实际测试环境与运行因素的模型先后被提出。SRGM利用数学手段研究故障数量与可靠性之间的定量关系，其通常通过建立测试过程中故障的检测、修复、引入数量与测试时间和测试工作量之间的微分方程，来构造复杂的测试模型，通过求解得到t时刻累积检测到的故障数量m(t)来求得t时刻的软件可靠性。
[0003]以测试过程为例，测试人员按照预定的测试策略采用某种测试方法对软件中的故障进行检测、定位、识别、修复等操作，这其中包含多个环节，并且会受到多种动态随机因素的影响，从而会对可靠性的提高带来多重影响。由于研究人员对测试过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不完美排错SRGM决策方法，其特征在于，所述不完美排错SRGM决策方法包括：对实际测试过程与SRGM的研究本质一致性进行分析，建立分类视角下的SRGM归类集合；从矩阵分析的角度形式化描述SRGM评价与选择问题，获得加权标准化决策矩阵；基于模型评价的指标，提出考虑成本受限下基于距离的可靠性模型最优化模型，建立基于明考斯基距离的双最优化排序方法，对模型的性能进行综合评价，给出SRGMs间的性能偏序关系；在四个实际计算机应用系统测试过程中记录与公开发表的失效数据集上进行实验，验证和阐释模型性能之间的排序，并进行参数敏感性分析，为模型决策提供定量化的参考。2.如权利要求1所述的不完美排错SRGM决策方法，其特征在于，所述SRGM评价问题形式化描述，包括：设有K个SRGM模型，构成一个集合M,M＝{M
i
|1≤i≤K}＝{M1,M2,...,M
K
}，其中每个模型M
i
由拟合与预测两大类指标构成；定义：评测指标：模型M
i
有N个拟合指标F
i
＝{f
ij
|1≤j≤N},1≤i≤K，L个预测指标Q
i
＝{q
ik
|1≤k≤L},1≤i≤K，这些评测指标由K个模型在指定失效数据集上进行参数拟合后进行计算得到；K个SRGM模型的拟合标准值和预测标准值构成的评测决策矩阵D如下：其中，D是包含N+L个属性、K个方案的决策矩阵，且需要对决策矩阵D中的元素进行标准化处理。3.如权利要求2所述的不完美排错SRGM决策方法，其特征在于，所述对决策矩阵D中的元素进行标准化处理，包括：(1)评测标准对于数值越大拟合性能越好的标准，以及数值越小拟合标准性能越好的标准，将所述标准值变换为[0，1]区间内正向增长的无量纲数值，即：(2)标准化矩阵对无量纲数值表达式得到的评测数据进行标准化处理：
至此，可以得到标准化矩阵R：其中，N+L个属性的权重向量ω＝(ω1,ω2,
…
,ω
N
,ω
N+1
,
…
,ω
N+L
)，将标准化矩阵R的每列与其对应的权重相乘，可得到加权标准化决策矩阵V：定义：结果集决策结果以排序的形式给出，形成集合其中表明模型优于4.如权利要求1所述的不完美排错SRGM决策方法，其特征在于，所述考虑双最优距离的SRGM决策，包括：SDSM是SRGM决策支持模型，用以对不同的可靠性模型进行决策，同时基于加权标准化决策矩阵表达式的描述，可将K个模型抽象为K个节点：N1,N2,...,N
K
；为了评测K个模型的性能差异，SDSM可以采用基于距离的决策方法；其中，N0节点表示理想解节点，由于其是基于某种标准构造的用于衡量K个节点性能的节点，因此这里被标记为虚拟节点N0；采用如下所述明考斯基距离MD函数用以度量不同模型间的差异：其中，i＝(x
i1
,x
i2
,
…
,x
ip
)和j＝(x
j1
,x
j2
,
…
,x
jp
)是两个p维的数据对象，k是一个正整数表示k重度量距离。5.如权利要求4所述的不完美排错SRGM决策方法，其特征在于，所述MD满足如下基本性质：d(i,j)≥0,d(i,i)＝0，d(i,j)＝d(j,i),d(i,j)≤d(i,k)+d(k,j)，这使得MD可以用来度量不同节点间的差异，还可以得到：(1)当k＝1时，d称为曼哈坦距离：d1(i,j)＝(|x
i1
‑
x
j1
|+|x
i2
‑
x
j2
|+...+|x
ip
‑
x
jp
|)；(2)当k＝2时，d称为欧几里德距：其中，考虑N+L个评测属性，令k＝N+L，表示N+L维的距离度量。
6.如权利要求1所述的不完美排错SRGM决策方法，其特征在于，所述双最优化排序方法，用来度量不同模型间的差异，如下式所示：其中，D(N
m
,N
n
)表示N
m
和...

【专利技术属性】
技术研发人员：张策，王金勇，徐早辉，江文倩，孙源，白睿，孙智超，王建远，盛晟，范苗苗，李文毓，温雅菲，宋雯，刘凯卫，吕为工，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：