1、“.....这篇论文提出了种基于遗传算法的自动生成测试数据的方法。通过遗传算法的整体最优化函数，产生足够的测试数据并能减少冗余数据，从而保证了测试的充分性和效率。还介绍了使用遗传算法自动生成测试数据的些准则和般流程。我们使用作为实验，仿真和实验结果分析的工具。关键词遗传算法路径试验数据冗余测试数据自动生成简介随着软件的规模不断变大，软件测试所需的测试数据也越来越多，测试数据的自动生成也愈发引起人们的注意。自动随机生成测试数据的方法很简单并且可以快速的产生大量的数据，但是这种方法有很大的盲区并且受制于数据的分配效果，因此，这就导致了大量的数据冗余......”。

2、“.....它在年被提出，作为种高效的寻找最优化的算法，它在求解大空间，多状态，非线性，全局变换等高度复杂问题方面有着无与伦比的优势。我们引用了遗传算法构造了个面向路径的测试数据自动生成的模型，用适应度函数动态地调整测试数据以减少数据冗余。二基本原则遗传算法遗传算法是个基于模拟生物进化理论和自然选择机制的生物进化过程的近似模型。它是种通过模拟自然进化过程来寻找最优解的方法。在经过染色体方式编码后，遗传算法通过遗传的交叉和变异等操作的全局视图找到最优化解。遗传算法在形式上可以被表示为,,其中，是每个个体的编码方式，是每个个体所对应的函数......”。

3、“.....是群的规模，是选择方式，代表交叉操作，代表变异操作，代表最终状态，它通常是使用最大型的三角形坐标分类为例，基于实现用遗传算法生成测试数据。是个强大的数学软件，它有突出的数字处理能力，使用强大的矩阵操作函数来编译产生测试数据的程序就很容易实现。在,内设置参数并设置群的规模为，群的类型为二进制字符串，交叉类型为单点交叉，变异方式为统方式变异，阈值选择我们多次使用遗传算法和随机生成测试数据的方法生成测试数据，得到如表所示结果。表基于遗传算法的测试数据从这张表中，我们可以看出，遗传算法可以产生更多的测试数据......”。

4、“.....这个算法不但能够产生定量的测试数据来保证测试的充分性，还可以减少数据冗余，与随机产生测试数据的方法相比，有着很大的优越性。基于遗传算法的面向路径测试的测试数据自动生成不仅实现了组触发路径的测试数据自动生成，还可以为指定的路径生成最优的测试数据。比如要测试个测试报表都是正确的程序下的路径，生成对应的测试数据。我们仍然通过二进制编码，单点交叉方式并且交叉的概率为变异的可能性为群的规模为最大代数是结果如图从这张图中我们可以看出这个函数的收敛速度很快，并且适应度的值很快也达到了最优化。我们还可以看出测试数据的最优值为并且它满足收敛条件......”。

5、“.....我们使用遗传算法实现了面向路径检测数据自动生成。算法根据适应度的值动态的调整测试数据，并且使输入集很小的路径也能获得充分的测试，还保证了每个执行路径都有定量的测试数据生成以保证测试的充分性。还有，这个算法减少了数据冗余，提高了测试数据的生成效率。通过实验，我们实现了为组触发路径生成测试数据和为第路径生成测试数据。在这篇论文中，仍然存在着些漏洞，比如说当参数越多时，空间占用越大等，这些需要我们去改进。适应度函数的优化仍是我们未来研究的重要方向。叠加的方式实现的。这些参数的实际问题是基于编码规则编码，这些参数被编做可以被遗传算法识别的二进制字符串......”。

6、“.....这个群就以适应它们的方式发展，这个算法会除去那些与函数值匹配度较低的个体，然后他执行选择，交叉，变异等操作，最终，它产生新的代，经过不断的迭代，最终得到组最优解。路径分割面向路径的测试数据的生成可以被这样描述已知有程序和以路径，假设是的输入定义域，有作为输入数据，它将导致路径在程序执行时被占用。我们把控制流路径表示为，路径,，当输入是时，路径被占用，我们把叫做测试数据的触发路径，记为导致路径被占用的的测试数据集就可以被表示为,如果路径被触发后能成功地执行，就把放入中，否则，我们说这条路径执行异常，如果不同的测试数据能触发同条路径......”。

7、“.....假设测试数据集的规模为，对于这条路径集合的元素值为相同类型的测试数据的值对于同个测试来说是相等的，这个测试数据集的规模就叫做数据冗余，这个值越大，说明更容易出现这个测试数据，个单独的测试数据测试能力很低，并且不利于发现新的路径。三基于遗传算法的测试数据生成面向路径的测试数据生成需要的是为规定的路径测试数据，测试数据产生系统包括个部分，程序分析，路径选择和测试数据的产生。在结构化编程中，程序被程序分析器转化成控制流图，然后通过路径选择器选择条路径，最终测试产生的测试数据是否满足要求。通常我们用随机的方式产生初始群......”。

8、“.....大概在之间，我们将随机产生的初始群分配给现有的数据集，第代随机产生的测试数据受输入数据的区域分布影响就产生更多相似或相同的易于执行的触发路径，合并相似的测试数据和产生现用的触发路径集。通过现有的程序，初始化触发路径，并且设计路径宽度，假如每条路径集合有着相同的执行能力，并且他们有着相同的路径宽度为路径的条数遗传算法解决测试数据产生问题需要通过编码实现，将问题的解集转化为染色体表达，测试数据产生过程通常被替换为从编码到译码的过程，在这篇文章中，我们使用二进制字符串编码。适应度函数的估计值是遗传算法的关键，他将会直接影响遗传算法的效率......”。

9、“.....相同类型的测试数据集中所有的测试数据对于触发路径来说有着相同的适应度是指路径的路径号，是指发送到路径的测试数据集所含数据，令适应度函数，得到的结果就是适应性。那些容易被触发的路径相应的它的测试数据集也更大，并且它的适应度也会降低，测试数据集所含的数据量越小，它的适应度就越高，这个算法将会挑选高适应度的数据进行接下来的操作。选择操作就是群中的个体被复制保留下来的概率与其适应度成正比，选择操作提高了适应度的平均值，但他并没有产生新个体，交叉就是为了随机生产匹配新群的个体，然后两两配对的个体将会在定程度上改变群的基因。交叉的方式有单点交叉，双点交叉......”。