Áp dụng thuật toán di truyền trong các dữ liệu kiểm thử phần mềm

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG
---------------------------------------

NGUYỄN THỊ QUỲNH NGA

ÁP DỤNG THUẬT TOÁN DI TRUYỀN TRONG SINH CÁC DỮ
LIỆU KIỂM THỬ PHẦN MỀM

Chuyên ngành : Khoa học máy tính
Mã số:
60.48.01.01

TÓM TẮT LUẬN VĂN THẠC SĨ

HÀ NỘI – 2013


Luận văn được hồn thành tại:
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG

Người hướng dẫn khoa học: PGS.TS Huỳnh Quyết Thắng

Phản biện 1: ………………………………………………………………

Phản biện 2: ………………………………………………………………

Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học
viện Cơng nghệ Bưu chính Viễn thơng
Vào lúc: ....... giờ ....... ngày ....... tháng ....... .. năm ...............
Có thể tìm hiểu luận văn tại:
- Thư viện của Học viện Cơng nghệ Bưu chính Viễn thơng

1

MỞ ĐẦU
1.1 Lý do chọn đề tài
Thuật toán di truyền được lập dựa trên cơ sở lý thuyết Darwin và đã được giới thiệu lần
đầu tiên bởi Holland (1975), sau đó Goldberg (1989). Đến năm 1992 Michalewicz đã phát triển
và hồn thiện phương pháp này; từ đó thuật tốn di truyền đã được áp dụng trong các lĩnh vực
khác nhau.
Kiểm thử phần mềm là quá trình thực hiện một chương trình hoặc hệ thống với mục
đích tìm kiếm lỗi. Khơng giống như các hệ thống vật lý, hầu hết các lỗi trong phần mềm là lỗi
do thiết kế. Xây dựng dữ liệu thử nghiệm trong kiểm thử phần mềm đòi hỏi chi phí lớn và biết
sử dụng phương pháp để tạo ra các dữ liệu thử nghiệm là rất quan trọng. Theo các nghiên cứu:
50% chi phí phát triển phần mềm là dành cho phần thử nghiệm. Vì vây, việc sinh dữ liệu tự
động sẽ giúp chương trình thử nghiệm cung cấp các dữ liệu thử nghiệm cho phần mềm do đó sẽ
hiệu quả đối với việc giảm chi phí và tăng chất lượng kiểm thử.
Vì thế, em chọn đề tài " áp dụng thuật toán di truyền trong sinh các dữ liệu kiểm thử
phần mềm". Nội dung của luận văn sẽ gồm 04 chương.
Chương 1: Bài toán áp dụng thuật toán di truyền sinh dữ liệu kiểm thử phần mềm.
Chương 2: Các kỹ thuật kiểm thử phần mềm
Chương 3: Thuật toán di truyền
Chương 4: Áp dụng thuật toán di truyền sinh các dữ liệu kiểm thử tự động


2

CHƯƠNG 1: BÀI TOÁN ÁP DỤNG THUẬT TOÁN DI TRUYỀN
SINH DỮ LIỆU KIỂM THỬ PHẦN MỀM
1.1 Đặt vấn đề

Việc xác minh và xác thực phần mềm thông qua kiểm thử động là một lĩnh vực kỹ thuật
phần mềm mà tiến triển theo hướng tự động hóa đang bị chậm lại. Đặc biệt là tự động thiết kế
và sinh ra dữ liệu kiểm thử. Kiểm thử phần mềm vẫn là kỹ thuật chính được sử dụng để đạt
được sự tin tưởng của người tiêu dùng. Quá trình kiểm thử hệ thống phần mềm là một nhiệm
vụ lớn và tốn nhiều thời gian. Theo Tai [1980], Ince [1987]: 50% chi phí phát triển phần mềm
là dành cho phần thử nghiệm [4]. Vì vậy mà có nhiều nghiên cứu nhằm tìm ra các công cụ
kiểm thử phần mềm tự động để giảm chi phí phát triển phần mềm. Do đó, sinh dữ liệu kiểm thử
tự động là một công cụ hỗ trợ và giúp thử nghiệm chương trình để sản xuất dữ liệu thử nghiệm
cho phần mềm. Lý tưởng nhất, phần mềm kiểm tra đảm bảo khơng có lỗi phần mềm, nhưng
trong thực tế, nó cho thấy lỗi của phần mềm vẫn xuất hiện. Thậm chí bằng cách phát hiện các
phản ứng của chúng, kiểm thử hệ thống khơng thể chứng minh hồn tồn khơng có lỗi. Một
mục tiêu của kiểm thử phần mềm là tìm lỗi và tìm lỗi cấu trúc chương trình. Tuy nhiên, vấn đề
đó có thể được quyết định khi nào ngừng thử nghiệm phần mềm, ví dụ như nếu khơng có lỗi
được tìm thấy hay sau một khoảng thời gian tìm kiếm, nếu một số lỗi được tìm thấy.
Trong ngành kỹ nghệ phần mềm, năm 1979, có một quy tắc nổi tiếng là: “Trong một dự
án lập trình điển hình, thì xấp xỉ 50% thời gian và hơn 50% tổng chi phí được sử dụng trong
kiểm thử các chương trình hay hệ thống đã được phát triển” [2]. Và cho đến nay, sau gần một
phần 3 thế kỷ, quy tắc đó vẫn cịn đúng. Đã có rất nhiều ngôn ngữ, hệ thống phát triển mới với
các công cụ tích hợp cho các lập trình viên sử dụng phát triển ngày càng linh động. Nhưng
kiểm thử vẫn đóng vai trò hết sức quan trọng trong bất kỳ dự án phát triển phần mềm nào [15].
Nói chung mục tiêu của kiểm thử phần mềm là thiết kế một bộ số lượng tối thiểu của các
ca kiểm thử để cho biết các lỗi của phần mềm. Như đã đề cập kiểm thử phần mềm rất tốn thời
gian vì thế, kiểm thử phần mềm tự động có thể làm giảm đáng kể chi phí phát triển phần mềm.
Ngồi ra nó cịn có một số lợi ích sau: việc chuẩn bị thử nghiệm có thể được thực hiện trước,
các lần chạy thử nghiệm sẽ nhanh đáng kể và sự tự tin của các kết quả thử nghiệm có thể được
tăng lên. Tuy nhiên, kiểm thử phần mềm tự động không phải là một quá trình đơn giản. Trong
nhiều năm qua, nhiều nhà nghiên cứu đã đề xuất phương pháp khác nhau để tạo ra dữ liệu kiểm


3

thử tự động, tức là phương pháp khác nhau cho phát triển dữ liệu thử nghiệm[16]. Sự phát triển
của kỹ thuật cũng sẽ hỗ trợ việc tự động hóa kiểm thử phần mềm và dẫn đến tiết kiệm chi phí
đáng kể. Như ứng dụng của kỹ thuật nhân tạo trong công nghệ phần mềm. Một số nhà nghiên
cứu đã sử dụng ứng dụng trên để kiểm thử phần mềm, để làm được điều này thì phải có thuật
tốn tìm kiếm phù hợp như mơ phỏng luyện kim, thuật tốn di truyền, tối ưu hóa đàn kiến là
lựa chọn tốt cho sinh dữ liệu kiểm thử tự động [16]. Một số nhà nghiên cứu đã áp dụng thuật
toán di truyền trong sinh các dữ liệu kiểm thử phần mềm, và trong ngành khoa học máy tính,
tìm kiếm lời giải tối ưu cho các bài toán là vấn đề đặc biệt được các nhà nghiên cứu quan tâm.
Mục đích chính của các thuật tốn là tìm ra lời giải tốt nhất trong thời gian nhỏ nhất. Các thuật
tốn như tìm kiếm trên danh sách, trên cây hoặc đồ thị sử dụng phương pháp đơn giản và trực
quan nhất hoặc các thuật toán tìm kiếm metaheuristic áp dụng các tri thức về cấu trúc của
khơng gian tìm kiếm nhằm giảm thời gian cần thiết cho việc tìm kiếm được sử dụng nhiều
nhưng chỉ với khơng gian tìm kiếm nhỏ [5]. Tuy nhiên, trong thực tiễn có rất nhiều bài tốn tối
ưu với khơng gian tìm kiếm rất lớn cần phải giải quyết. Vì vậy, việc đòi hỏi thuật giải chất
lượng cao và sử dụng kỹ thuật trí tuệ nhân tạo đặc biệt rất cần thiết khi giải quyết các bài tốn
có khơng gian tìm kiếm lớn. GA là một trong những kỹ thuật tìm kiếm lời giải tối ưu đã đáp
ứng được yêu cầu của nhiều bài toán và ứng dụng.
Thuật toán di truyền (GA) đã được sử dụng thành công để tự động sinh ra các dữ liệu
kiểm thử cho phát triển phần mềm trong ADA83. Các dữ liệu kiểm thử được lấy ra từ cấu trúc
chương trình với mục đích là đi qua được các nhánh. Các nghiên cứu sử dụng hàm fitness, các
biến đầu vào được thể hiện trong mã nhị phân giống như hình ảnh bộ nhớ của máy. Điểm mạnh
của GA là ở việc xử lý dữ liệu đầu vào có cấu trúc là số phức, vị từ phức tạp, hàm chưa biết của
các biến đầu vào. Vì vậy, vấn đề sinh dữ liệu kiểm thử là một vấn đề tối ưu hóa.
Kiểm thử ngẫu nhiên được sử dụng như một so sánh về hiệu quả dữ liệu kiểm thử được
sinh ra bởi GA. Lợi thế của GA là thơng qua việc tìm kiếm và q trình tối ưu hóa, các bộ kiểm
thử được nâng cao và như vậy chúng đang ở gần biên miền con. Thuật toán di truyền đưa ra
nhiều cải tiến so với kiểm thử ngẫu nhiên khi miền con là nhỏ. Phân tích đột biến được sử dụng
để thiết lập chất lượng dữ liệu kiểm thử được sinh ra và những ưu điểm, nhược điểm của
chúng.

4

Thủ tục phần mềm là khác nhau với cấu trúc dữ liệu đầu vào (số nguyên, ký tự, mảng,
bản ghi), cấu trúc chương trình với điều kiện 'if' và vịng lặp.
Nhiều thử nghiệm cho thấy, GA cần ít thời gian để CPU đạt giải pháp toàn cục so với
kiểm thử ngẫu nhiên.

1.2 Đối tượng nghiên cứu
- Các kỹ thuật kiểm thử phần mềm: kiểm thử hộp trắng, kiểm thử hộp đen và kiểm thử
hộp xám; trong đó, kiểm thử hộp trắng được nhấn mạnh hơn.
- Lý thuyết cơ sở về thuật tốn di truyền.
- Thủ tục khơng có điều kiện vịng lặp và hàm có cấu trúc phức tạp như: thủ tục giải
phương trình bậc hai và hàm tìm kiếm nhị phân.

1.3 Giải pháp công nghệ
Luận văn sử dụng ngôn ngữ lập trình pascal để viết chương trình cho các thủ tục và
hàm.

1.4 Kết chương
Chương I đã trình bày lợi thế của việc sử dụng thuật toán di truyền sinh ra dữ liệu kiểm
thử tự động so với kiểm thử tự động. Và trong chương này cũng đưa ra đối tượng nghiên cứu
và giải pháp công nghệ.


5

CHƯƠNG 2: CÁC KỸ THUẬT KIỂM THỬ PHẦN MỀM
Mục tiêu của kiểm thử là phải thiết kế các trường hợp kiểm thử có khả năng cao nhất

trong việc phát hiện nhiều lỗi với thời gian và công sức tối thiểu. Do đó, có thể chia các kỹ
thuật kiểm thử thành ba loại:
- Kỹ thuật kiểm thử hộp đen (Black - box Testing) hay còn gọi là kỹ thuật kiểm thử
chức năng (Functional Testing).
- Kỹ thuật kiểm thử hộp trắng (White - box Testing) hay còn gọi là kỹ thuật kiểm thử
cấu trúc (Structural Testing).
- Kỹ thuật kiểm thử hộp xám (Gray - box Testing).

2.1 Các kỹ thuật kiểm thử phần mềm
2.1.1 Kiểm thử hộp đen
Trong kiểm thử hộp đen, cấu trúc và cách xử lý trong chương trình được kiểm tra khơng
quan trọng. Mục đích là đặc tả các điều kiện vào ra của chương trình mà khơng cần quan tâm
đến đặc điểm kỹ thuật của nó. Trong phương pháp này, dữ liệu thử nghiệm cho phần mềm xây
dựng từ các đặc điểm kỹ thuật của nó.

2.1.2 Kiểm thử hộp trắng
Đây là một ca thiết kế theo phương pháp sử dụng cấu trúc điều khiển của thiết kế thủ tục
để lấy ca kiểm thử.

2.1.3 Kiểm thử hộp xám
Kiểm thử hộp xám địi hỏi phải có sự truy cập tới cấu trúc dữ liệu và giải thuật bên trong
giống như kiểm thử hộp trắng cho những mục đích thiết kế các ca kiểm thử, nhưng là kiểm thử
ở mức người sử dụng hay mức hộp đen. Việc thao tác tới dữ liệu đầu vào và định dạng dữ liệu
đầu ra là không rõ ràng, giống như một chiếc “hộp xám”. Do đó, kiểm thử hộp xám là dạng
kiểm thử tốt, có sự kết hợp các kỹ thuật của cả kiểm thử hộp đen và hộp trắng.

2.2 Sinh dữ liệu kiểm thử tự động
Kiểm thử tự động sẽ kiểm thử được toàn diện, mang lại những lợi ích như: giảm thời
gian, cơng sức, nhân lực và chi phí cho kiểm thử phần mềm.

2.2.1 Sinh các đường dẫn kiểm thử


6

Sinh dữ liệu kiểm thử đường dẫn là kiểm thử hệ thống phần mềm sử dụng một tiêu chí
kiểm thử mà có thể phủ đường dẫn, phủ lệnh, phủ nhánh…Hệ thống tự động sinh ra dữ liệu
kiểm thử phù hợp với yêu cầu lựa chọn.

2.2.2 Đặc tả dữ liệu
Điểm xuất phát của kiểm thử dữ liệu là từ đặc tả dữ liệu nằm trong phương thức kiểm
thử hộp đen. Phương thức này sẽ tạo ra ca kiểm thử và dữ liệu kiểm thử.

2.2.3 Kiểm thử ngẫu nhiên
Kiểm thử ngẫu nhiên lựa chọn tùy ý dữ liệu kiểm thử từ miền đầu vào và sau đó dữ liệu
kiểm thử được áp dụng cho chương trình được thử nghiệm. Ưu điểm của nó là thực hiện đơn
giản và tốn ít thời gian chạy.

2.3 Kết chương
Kiểm thử phần mềm được sử dụng rộng rãi trong nhiều ứng dụng với việc nghiên cứu
thử nghiệm khác nhau. Trong chương 2 tác giả đã tập hợp các tài liệu nội để trình bày tổng
quan về sự khác biệt cơ bản giữa một số kỹ thuật kiểm thử phần mềm như: kiểm thử hộp đen,
kiểm thử hộp trắng, kiểm thử hộp xám và các phương pháp sinh dữ liệu kiểm thử tự động.
Kiểm thử hộp đen chú trọng vào việc kiểm tra các quan hệ vào ra và những chức năng giao
diện bên ngồi, nó thích hợp hơn cho các hệ thống phần mềm lớn hay các thành phần quan
trọng của chúng. Kiểm thử hộp trắng xem xét chương trình ở mức độ chi tiết và phù hợp khi
kiểm tra các mô-đun nhỏ. Kiểm thử hộp trắng có thể khơng đầy đủ vì kiểm thử hết các lệnh
không chứng tỏ là chúng ta đã kiểm thử hết các trường hợp có thể. Ngồi ra chúng ta khơng thể
kiểm thử hết các đường đi đối với các vòng lặp lớn.
Trong chương này cũng cho ta thấy tư tưởng việc sinh dữ liệu kiểm thử bằng thuật toán

di truyền hiệu quả hơn so với sử dụng kiểm thử ngẫu nhiên.


7

CHƯƠNG 3: THUẬT TOÁN DI TRUYỀN
Những vấn đề về tối ưu hóa xảy ra ở mọi lĩnh vực, đặc biệt là trong lĩnh vực kĩ thuật.
Chính vì vậy, rất nhiều phương pháp tối ưu hóa đã được phát triển. Tuy nhiên, những phương
pháp này thường mắc lỗi với những hàm khơng liên tục hoặc khơng tính được đạo hàm ở mọi
điểm hoặc những hàm bị nhiễu. Chính vì vậy, những phương pháp tốt hơn có thể xử lý được
những hàm này đang được phát triển. Trong quá khứ, những cách tiếp cận sinh học và vật lí
đang thu hút được sự chú ý trong việc giúp đỡ phát triển các phương pháp tối ưu hóa, bao gồm
cả hệ thống thần kinh, thuật tốn di truyền. Chương này sẽ giải thích những đặc điểm và
phương thức của Thuật toán di truyền. Ngay sau đó sẽ là một ví dụ về tối ưu hóa sử dụng Thuật
tốn di truyền.

3.1 Giới thiệu về thuật toán di truyền
Thuật toán di truyền là đại diện điển hình cho những phương pháp và quá trình tìm kiếm
mới dựa trên sự phân tích gen và thuyết của Darwin về sự tồn tại của kẻ mạnh nhất (thuyết
chọn lọc tự nhiên). Có một sự trao đổi ngẫu nhiên các cấu trúc thông tin trong một quần thể các
nhiễm sắc thể nhân tạo. GA là một phiên bản trên máy tính của thuyết tiến hóa sinh học và đã
tạo ra được kết quả tốt trong việc giải quyết các vấn đề tối ưu hóa. Trong việc kiểm thử phần
mềm, về cơ bản, ý tưởng là tìm kiếm miền cho những biến đầu vào mà thỏa mãn mục tiêu của
việc kiểm thử.

3.2 Ứng dụng của thuật toán di truyền
Thuật toán di truyền được ứng dụng trong nhiều lĩnh vực.

3.3 Đặc trưng của thuật toán di truyền
3.3.1 Quần thể

Một quần thể giống như 1 danh sách có rất nhiều khách (database – cơ sở dữ liệu). Nó
chứa các thơng tin về những cá thể thành viên.

3.3.1.1 Sự giao thoa và các phương án tối ưu hóa ở mức thấp
3.3.1.2 Chuẩn bị
3.3.1.3 Đại diện/Cách biểu diễn các nhiễm sắc thể
3.3.2 Sự thích nghi
Sự thích nghi thể hiện chất lượng của 1 nhiễm sắc thể so với mức tối ưu toàn cục.


8

3.3.3 Sự chọn lọc
Toán tử chọn lọc sẽ chọn ra 2 cá thể từ 1 thế hệ để trở thành bố mẹ cho quá trình kết hợp
lại bao gồm lai ghép và đột biến. Có nhiều cách khác nhau để chọn lựa cá thể, ví dụ như bằng
phương pháp ngẫu nhiên hoặc dựa trên giá trị thích nghi.

3.3.3.1 Chọn lọc dựa trên giá trị phẩm chất
3.3.3.2 Chọn lọc ngẫu nhiên
3.3.4 Lai ghép
Lai ghép diễn ra ở mức độ cá nhân. Trước khi q trình này diễn ra, cá thể có thể được
biểu diễn dưới dạng nhị phân. Trong khi lai ghép, 2 bố mẹ sẽ trao đổi các thông tin dưới dạng
chuỗi – vật liệu di truyền trong 1 vị trí bất kì trong nhiễm sắc thể để tạo ra 2 chuỗi mới. Quá
trình lai ghép sẽ tìm kiếm những gen vượt trội trong vật liệu di truyền. Mục đích của quá trình
này là để tạo ra những cá thể tốt hơn dựa trên sự kết hợp thông tin di truyền từ 2 cá thể bố mẹ
từ thế hệ trước.

3.3.4.1 Lai ghép đơn
3.3.4.2 Lai ghép kép
3.3.4.3 Lai ghép đồng loạt

3.3.5 Sự đột biến
Quá trình đột biến là sự thay đổi ngẫu nhiên 1 giá trị bit, từ đó thay đổi ngẫu nhiên 1 số
đặc tính. Trong mã nhị phân, điều này đơn giản có nghĩa là thay đổi trạng thái của gen từ 0
sang 1 hoặc ngược lại.

3.3.5.1 Đột biến thơng thường
3.3.5.2 Đột biến được tính tốn trước
3.3.6 Sự tồn tại
Phương pháp tồn tại quyết định xem nhiễm sắc thể nào trong các cá thể mới và cũ được
tồn tại hoặc bị loại bỏ. Để hồn thành cơng việc này, q trình có thể sao chép 1 phần của các
cá thể mới tới quần thể bố mẹ, dựa trên phẩm chất của các cá thể tương tự như trong quá trình
chọn lọc.

3.3.6.1 SURVIVE_1
3.3.6.2 SURVIVE_2


9

3.3.6.3 SURVIVE_3
3.3.6.4 SURVIVE_4
3.3.6.5 SURVIVE_5
3.4 Cấu trúc của thuật toán di truyền
Cấu trúc của GA được thể hiện trong Hình 3.1, mã tương ứng như trong Hình 3.2, trong
đó t là số thế hệ và P là quần thể .
t:= 0

Bắt đầu

{Khởi tạo quần thể ngẫu nhiên }

Khởi tạo P(t)

Khởi tạo quần
thể

{Khi điều kiện dừng chưa thỏa thì
lặp}
While not kết thúc

Đánh giá sự
thích nghi

Đánh giá độ thích nghi P(t)
Chọn lọc P(t+1) từ P(t)
{Kết hợp các gen của cha mẹ

Chọn lọc

được chọn lọc}
Kết hợp P(t+1) với việc sử
dụng lai ghép

Lai ghép
Đột biến

và đột biến
Tồn tại
t:= t + 1

Thủ tục tồn tại

{Hết lặp}
end.

Điều kiện
dừng

Thỏa
Kết thúc

Khơng
Hình 3.1 Sơ đồ cấu trúc thuật tốn GA

3.5 Kết chương

Hình 3.2 Mơ phỏng thuật tốn GA


10

Như ví dụ trong phần này đã miêu tả, mục tiêu chính là đạt được phương án tối ưu cho 1
hàm. Cách thức làm việc của GA cũng đã được miêu tả kỹ với ví dụ cơ bản.
Những đặc điểm chính của GA được nêu ra dưới đây:
 Tập trung vào những nhiễm sắc thể với sự thích nghi trên trung bình.
 Lợi dụng thơng tin về 1 số lượng lớn các giá trị trong khi xử lí 1 tập thể nhỏ.
 Ngăn chặn việc tìm kiếm bị tắc nghẽn ở những điểm tối ưu tạm thời.
 Lợi dụng những kiến thức cũ được lưu trữ trong quần thể những phương thức để tạo ra
phương thức mới có hiệu quả và chất lượng cao hơn.
Trong trường hợp một quá trình chọn lọc dựa 1 phần trên sự phù hợp thì một quần thể
ban đầu được tạo ra ngẫu nhiên với kích thước N sẽ nhanh chóng tạo ra 1 tập hợp với N bản

sao của cá thể tốt nhất. GA cân bằng lại sức ép chọn lọc này bằng phương pháp di truyền (lai
ghép và đột biến) tiến tới sự đồng hóa bằng cách tạo ra sự đa dạng hóa trong những dạng mới
của alen và những tập hợp lại của chúng.


11

CHƯƠNG 4: ÁP DỤNG THUẬT TOÁN DI TRUYỀN SINH CÁC DỮ
LIỆU KIỂM THỬ TỰ ĐỘNG
4.1 Áp dụng thuật toán di truyền và số ngẫu nhiên trong kiểm thử phần
mềm
Thuật toán di truyền hình thành một phương pháp tìm kiếm thích nghi theo nghĩa là thay
đổi dữ liệu thử nghiệm từ một thế hệ tiếp theo, để tối ưu hóa hàm fitness. Nó ngược lại với
kiểm thử ngẫu nhiên, kiểm thử ngẫu nhiên là tạo ra dữ liệu thử nghiệm mà không cần bất cứ
khái niệm nào của dữ liệu trước đó.
Trong phần này mơ tả sự giao tiếp giữa phần mềm được kiểm tra và công cụ được kiểm
tra trong đó sử dụng một trong hai phương pháp: thuật tốn di truyền và số ngẫu nhiên. Phương
pháp số ngẫu nhiên được sử dụng như là việc thử nghiệm chiến lược để so sánh với thuật toán
di truyền.

4.1.1 Thử nghiệm sử dụng kiểm thử ngẫu nhiên
Để đo lường hiệu quả của thử nghiệm sử dụng thuật toán di truyền, thử nghiệm ngẫu
nhiên được thực hiện. Các thế hệ ngẫu nhiên của kiểm thử được kiểm tra để xác định thành
viên của miền con nào đó, với một xác suất đồng nhất liên quan đến lực lượng của miền con.
Trong một số trường hợp, cơ hội của kiểm tra hàm, miền con có liên quan tới tồn bộ miền
được giảm thiểu. Lúc này, số ngẫu nhiên được sử dụng nhằm sinh ra dữ liệu thử nghiệm mà
không sử dụng các thông tin phản hồi từ cuộc thử nghiệm trước đó. Các thủ tục sẽ được thử
nghiệm với mong muốn rằng các nhánh sẽ được thông qua.

4.1.2 Cây và đồ thị luồng điều khiển

Cấu trúc một chương trình hay thủ tục có thể được thể hiện bằng biểu đồ luồng điều
khiển. Xét ví dụ được đưa ra trong hình 4.1 mơ tả như sau:


12
1

if A <= B then Read (2);

A>B

A <= B

if A = B then Read (3)
Else

5

2

if A < B then read (4)
else read (5);

A
A=B
3

4

Hình 4. 1 Ví dụ về đồ thị luồng điều khiển
Để kiểm tra xem các nhánh có được đi qua hay khơng thì ta sẽ sử dụng thủ tục
CHECK_BRANCH và LOOKING_BRANCH. Trong đó, CHECK_BRANCH sẽ thực hiện để
ghi lại việc các nhánh đã được thực hiện. LOOKING_BRANCH tính toán giá trị fitness trong
trường hợp nút anh chị em hoặc một trong những nút kế cận tiếp theo nó không được thực hiện.
Thông số thiết lập cho GA:
Chọn lọc cha mẹ để kết hợp lại là ngẫu nhiên
Các gen (bit) đột biến được tô đậm trong quần thể con
Sự thích nghi được tính tốn theo hàm fitness nghịch đảo
Lai ghép đơn
Xác suất tồn tại PS = 0.5
Xác suất đột biến Pm = 0.1
Ta có các bảng kết quả thể hiện các thế hệ của quần thể thông qua thuật toán di truyền
Bảng 4.1 Thế hệ đầu tiên

P1

B

Số

Đường

Nhiễm sắc

nút

Pi A

dẫn

thể

fitness fi,norn

fi,accu

4

10

2

1, 2, 4

00100 01010 0.0278 0.365

0.365

P2 -7

-15

2

1, 5

11101 11111 0.0156 0.205

0.570

P3

8

15

2

1, 2, 4

00010 11110 0.0204 0.268

0.838

P4

3

-6

2

1, 5

11000 01101 0.0123 0.162

1.0

Ft=0.076

13
Bảng 4.2 Thế hệ thứ hai

P1

Số

Đường

Nhiễm sắc

nút

Pi A

dẫn

thể

B

fitness fi,norn

fi,accu

4

10

3

1, 2, 4

00100 01010 0.0278 0.365

0.365

P2 -7

-15

3

1, 5

11101 11111 0.0156 0.205

0.570

P3

8

15

3

1, 2, 4

00010 11110 0.0204 0.268

0.838

P4

3

-6

3

1, 5

11000 01101 0.0123 0.162

1.0

Ft=0.076

Bảng 4.3 Quần thể con cái sinh ra bởi GA

Số

Đường

Nhiễm sắc

nút

dẫn

thể

O1 P2 P4

3

O2

fi,accu

A

B

k

1, 5

11101 01111 0.0204 0.289 0.289

-7

-14

5

3

1, 5

11100 11111 0.0021 0.029 0.318

7

-15

O3 P1 P4

3

1, 5

00000 01101 0.0278 0.393 0.711

0

-6

O4

3

1, 2, 4

11000 01010 0.0204 0.289

3

10

Oi

Pi Pi

fi,norn

fitness

1.0

3

Ft = 0.071
Bảng 4.4 Sự tồn tại của cá thể con cái

Cá thể 1

Cá thể 1

Cá thể 1

Cá thể 1

0.678

0.298

0.978

0.457

Cha mẹ và con cái
Tồn tại của cha mẹ

0.257

P1

---

---

0.710

P3

---

---

Tồn tại của con cái

---

---

0.026

O1

---

---

0.609

O3

4.1.3 Phương pháp kiểm thử điều kiện ‘if.. then.. else’
4.1.4 Tiểu kết
Kỹ thuật của phương pháp kiểm thử trên là kiểm thử hộp trắng. Các kỹ thuật nói trên là
giao diện cơ bản giữa các chương trình được thử nghiệm và thử nghiệm khai thác. Các công cụ
nói trên khơng cần bất cứ kiến thức về vị từ của chương trình, nó chỉ cần biết loại thơng số đầu
vào được sử dụng, giá trị của vị từ trong thời gian thực thi và toán tử quan hệ được sử dụng.
Tính đầy đủ của bộ kiểm thử liên quan trực tiếp tới giá trị fitness và một số nút nhất định thu
được thông qua vị từ.


14

4.2 Áp dụng thuật toán di truyền cho kiểm thử thủ tục khơng có điều kiện
vịng lặp
Mục đích của phần này là để giải thích các nghiên cứu thực nghiệm vào kiểm thử phần
mềm bằng cách sử dụng thủ tục được kiểm thử là phương trình bậc hai.

4.2.1 Phương trình bậc hai
Một loạt các thử nghiệm được thực hiện bằng việc áp dụng thuật toán di truyền để sinh

ra dữ liệu kiểm thử cho phần mềm thử nghiệm. Trong phần này thì giải phương trình bậc hai
(hay được gọi là thủ tục được thử nghiệm) được chọn. Cây luồng điều khiển được hiển thị và
chương trình phần mềm pascal được thể hiện trong hình 4.2. Trong thủ tục này có 3 biến đầu
vào (A,B,C) là số nguyên và 4 đường dẫn đến các thủ tục được thử nghiệm.
Procedure Quadratic (A,B,C: integer);
N
nút
1

Begin
A≠ 0

A=0

If (A=0) then
1 Writeln (‘Khong co phuong trinh

3

2

Var D: integer;

bac
2 hai’)
D <= 0

4

Else

5

D>0

3 D:= B*B-4*A*C;
If (D>0) then
D≠ 0

D=0
6

7

Writeln

4

(‘phuong

trinh

2

(‘phuong

trinh

co

(‘phuong

trinh

vo

nghiem pb’);
Else
If (D=0) then
5

Writeln

nghiem kep’)
6

Else
Writeln

nghiem’);
7
End;
Hình 4.2 Cây luồng điều khiển và chương trình phần mềm cho thủ tục bậc hai


15

Vấn đề của giải phương trình bậc hai bắt đầu từ việc tìm nghiệm một phương trình bậc
hai của phương trình dạng 4.1. Và nghiệm của nó được thể hiện trong 4.2.

Ax 2  Bx  C  0

(4.1)

B


2A

(4.2)

x1, 2

B 2  4 AC
2A

D  B 2  4 AC

(4.3)

Kết quả của phương trình bậc hai phụ thuộc vào mối quan hệ của đại diện trong 4.3. Các
nút của cây luồng điều khiển thể hiện cho một chuỗi mã tuyến tính của câu lệnh được chọn lọc.
Các nút lá 2, 4, 6 và 7 sẽ kết thúc và cuối cùng sẽ thoát khỏi thủ tục. Các nút quyết định cho lựa
chọn thay thế khác nhau mà có kiểu số thực hoặc số phức sẽ được quyết định bởi phương trình
4.3. Nếu các điều kiện là đúng thì các nút con trái sẽ được thực hiện, ngược lại thì nút con phải
sẽ được thực hiện. Nút 1, 3, 5 là các nút nhánh và chúng xác định các nhánh tiếp theo được
thực hiện hay không là tùy vào điều kiện và dữ liệu đầu vào. Điểm cần chú ý về thủ tục trên là:
- Một trong những biến đầu vào là A, tham gia trực tiếp vào điều kiện đẳng thức (A=0)
- D là một hàm phi tuyến tính của các biến đầu vào và tham gia hai điều kiện của tổng
ba đường dẫn.

- D tham gia vào đẳng thức (D=0).
Nếu điều kiện A=0 là đúng, nút 2 được thực hiện, nghĩa là biến đầu vào A có giá trị là
hằng số (A=0) và kết quả là nó khơng phải là phương trình bậc hai vì hạng tử đầu tiên của
phương trình 4.1 là số 0.

4.2.1.1 Thủ tục chọn lọc
4.2.1.2 Kích thước quần thể Psz
Kích thước quần thể Psz được lựa chọn theo kích thước của nhiễm sắc thể. Bình thường
có nhiều nhiễm sắc thể trong quần thể giống như là có nhiều bit (gen) trong một nhiễm sắc thể.
Nhiễm sắc thể có chiều dài là (S) là tổng của số bit (ni), ni là kiểu dữ liệu đại diện cho số lượng
các biến đầu vào (N) được tối ưu hóa bằng thuật tốn di truyền. Ví dụ, nếu chỉ có các biến đầu
vào như nhau thì số lượng bit có thể tính bằng phương trình:

S

N

 ni
i

4.4


16
Bảng 4.5 Kết quả của kích thước dân số

Thử nghiệm Quần thể với kích thước PSZ

Kết quả

P1

32

91% trong 31.8

>1214

P2

64

99% trong 19.4

>1294

P3

96

100% trong 13.4

1286

P4

128

100% trong 11.8

1510

P5

160

100% trong 9.1

1456

Ta có thể thấy, với kích thước khác nhau thì kết quả là khác nhau. Việc thực hiện các
thử nghiệm khác nhau đưa đến điều tốt là số lượng của các cuộc thử nghiệm là cần thiết nhằm
thỏa mãn tất cả các nhánh.

4.2.1.3 So sánh các lai ghép
Bảng 4.6 Kết quả sử dụng toán tử lai ghép

Xác suất

Lai ghép đơn

Lai ghép kép

Lai ghép đồng đều

0.1

96.4% trong 19.5

95.4% trong 19.5

99.1% trong 15.9

0.2

97.6% trong 17.9

96.7% trong 18.9

99.6% trong 16

0.3

97.5% trong 16.8

97% trong 18.8

100% trong 14.9

0.4

98% trong 16.9

97.5% trong 17.4

100% trong 14.8

0.5

98.4% trong 16.4

98.2% trong 18.2

100% trong 13.4

0.75

98.6% trong 17.2

98.3% trong 16.3

99.4% trong 15.4

0.9

98.1% trong 17.4

98% trong 16.8

99% trong 16.2

Kết quả thử nghiệm cho thấy rằng lai ghép đồng đều đạt phủ nhánh tốt hơn so với hai
phương pháp kia.

4.2.1.4 Đột biến
Bảng 4.7 Kết quả sử dụng xác suất đột biến Pm

Xác suất của Pm

Kết quả

Thử nghiệm

0.05

82.2% trong 36.9

>4621

0.025

95.6% trong 28.2

>3011

0.01

100% trong 13.4

1287

0.005

87.4% trong 17.3

>2662


17

0.002

63.2% trong 14.4

>4407

Có thể thấy, xác suất đột biến làm tăng khả năng không tốt, điều này tương tự như việc sinh dữ
liệu ngẫu nhiên vì thuật tốn di truyền khơng thể sử dụng điểm mạnh của mình để tạo ra kết
quả tốt hơn do sự thay đổi của nhiễm sắc thể là quá lớn.

4.2.1.5 Sử dụng đột biến
4.2.2 Kết quả của phương trình bậc hai
Nhiều thử nghiệm được tiến hành để nghiên cứu sự kết hợp của các toán tử, xác suất và
phương pháp tốt nhất cho thuật toán di truyền thể hiện qua vấn đề sau:
- Lai ghép đồng đều với Pc=0.5, kích thước của quần thể PSZ=96, xác suất đột biến
Pm=0.01, SURVIVE_5 với PS =0.5 . , xác suất equality PE =0.3, hàm fitness, mã nhị phân và
cường độ đại diện đã được tìm thấy cách thiết lập tốt nhất.

4.2.3 Tiểu kết
Để so sánh hiệu quả của việc sử dụng thuật toán di truyền, thử nghiệm ngẫu nhiên thuần
túy được đưa ra. Nếu các bộ đầu vào được tạo ra trong phạm vi ± 100 với một xác suất thống
nhất thì 7354 cuộc kiểm tra ngẫu nhiên mới có thể đạt phủ nhánh đầy đủ (100% trong 76,6 thế
hệ. Trong khi đó, nếu sử dụng thuật tốn di truyền thì trong 1287 cuộc thử nghiệm, phủ nhánh
đầy đủ đạt 100% trong 13,4 thế hệ. Do đó thời gian đạt phủ nhánh khi sử dụng phương pháp di
truyền sẽ nhanh hơn so với kiểm thử ngẫu nhiên.và khi sử dụng thuật tốn di truyền thì các tối
ưu tồn cục (D=0) cũng được tìm thấy sớm hơn.

4.3 Áp dụng thuật tốn di truyền trong kiểm thử hàm/thủ tục có cấu trúc
phức tạp
4.3.1. Tìm kiếm nhị phân

18

Function BINARY_SEARCH(x:integer):integer;
Var Low, High, Mid: integer;
1

C

A(MID)=x
return

5

Tim_thay: boolean;
Begin
A(MID)
Low:= first;
High:= last;

2

3

Tim_thay:= false;

A(MID)>x

While (Low <= High) and not (Tim_thay) do

4

Begin
Mid := (Low + High) div 2;

L

End
binary

While lặp
Node L = 6: 1 lần
Node L = 7 : 2 lần
Node L = 8 : > 2 lần

If A[Mid] = x then Tim_thay:= true
Else
If a[Mid] < x then Low := Mid +1
Else High := Mid – 1;
End;

If Tim_thay then BINARY_SEARCH := Mid
Else BINARY_SEARCH := 0;
End;
Hình 4.3 Cây luồng điều khiển và chương trình phần mềm cho tìm kiếm nhị phân

4.3.2. Kết quả của thủ tục tìm kiếm
Khi điều kiện vòng lặp ‘while…do’ phụ thuộc vào chỉ số mảng, nó khơng thể kiểm tra

cho 0 lần lặp trừ khi định nghĩa về mảng thay đổi. Chiến lược của thử nghiệm là lặp đi lặp lại 1
lần, 2 lần hoặc nhiều hơn 2 lần lặp. Kết quả của những thí nghiệm này được mơ tả trong bảng
4.8
Bảng 4.8 Kết quả của thủ tục tìm kiếm nhị phân cho kiểm thử vòng lặp

Hàm fitness nghịch đảo
SELECTION_R
mã 5 bit
66.4% trong 53

SELECTION_F
10 bit

5 bit

98.8% trong 45.4 61.6% trong 66.6

10 bit
95.6% trong 45.7


19

>6503 thử

>1628 thử

>7457 thử

nghiệm

nghiệm

>2103 thử nghiệm

nghiệm

4.3.4 Tiểu kết
Để nhận được số lượng chính xác của dữ liệu kiểm thử cho kiểm thử ngẫu nhiên thì số
lượng thế hệ tối đa được tăng lên 300000, nếu khơng chỉ có 6.9% của các thử nghiệm thành
công. Kết quả thể hiện trong bảng 4.9
Bảng 4.9 Kết quả thử nghiệm ngẫu nhiên với số lượng vòng lặp được xác định trước NITS
=1

Nits

Tốc độ thành công

Thử nghiệm

1

100% trong 1261

40325

2

100% trong 666

21312

5

100% trong 83

2656

10

100% trong 2.6

83

Kết quả cho Nits = 1 của kiểm thử ngẫu nhiên cho thấy nhiều cuộc kiểm thử được yêu
cầu. Số lượng thử nghiệm cần thiết sử dụng kiểm thử ngẫu nhiên là tỉ lệ thuận với số lượng các
giải pháp toàn cục trong phạm vi giá trị ngẫu nhiên được sinh ra. NITS = 1 thì trung bình có
40001 dữ liệu kiểm thử phải được tạo ra để sinh ra tối ưu toàn cục. Con số này trùng với kết
quả xác định bằng thực nghiệm. khi NITS = 10 có 512 giải pháp tồn cục địi hỏi 79 ca kiểm
thử. Để thử nghiệm đầy đủ về vịng lặp có 48640 ca kiểm thử được yêu cầu so với 871 thử
nghiệm đạt được với GA, do đó kiểm thử với thuật tốn di truyền thì cuộc thử nghiệm sẽ ít hơn
so với kiểm thử ngẫu nhiên và tốc độ đạt phủ cũng nhanh hơn.


20

KẾT LUẬN
Việc nghiên cứu và áp dụng thuật toán di truyền vào nhiều lĩnh vực đã được thực hiện
trong một thời gian dài, nhưng vẫn rất được quan tâm do tầm quan trọng, sự cần thiết của nó
trong các lĩnh vực, đặc biệt là trong ngành công nghiệp kiểm thử phần mềm GA đang được sử

dụng để giải quyết một loạt các vấn đề hàng ngày trong kỹ thuật học máy và hàm tối ưu. Luận
văn của tác giả với đề tài: “áp dụng thuật toán di truyền trong sinh các dữ liệu kiểm thử phần
mềm” đã cơ bản hoàn thành. Đề tài đã giải quyết được các vấn đề sau:
1. Trình bày những khái niệm cơ bản về các kỹ thuật kiểm thử phần mềm và sinh dữ liệu
kiểm thử tự động.
2. Tìm hiểu những đặc điểm, đặc trưng, ứng dụng về thuật toán di truyền và đưa ra được
một ví dụ về tối ưu hóa khi sử dụng thuật toán di truyền.
3. Luận văn đã áp dụng thuật tốn di truyền vào các thủ tục và hàm khơng có điều kiện
vịng lặp, có cấu trúc phức tạp để sinh ra dữ liệu kiểm thử phần mềm và chứng minh tính khả
thi của nó. Thủ tục giải phương trình bậc hai và hàm tìm kiếm nhị phân được sử dụng cho thấy
dữ liệu kiểm thử được tạo ra do GA tốt hơn so với kiểm thử ngẫu nhiên tạo ra.
4. Việc dữ liệu kiểm thử được sinh ra đi qua các nút và đạt phủ nhánh nhanh hơn khi sử
dụng GA so với kiểm thử ngẫu nhiên.
Trong tương lai luận văn được phát triển theo các hướng sau:
 Tiếp tục nghiên cứu cơ sở lý thuyết về thuật toán di truyền và các vấn đề nghiên
cứu tối ưu khác.
 Nghiên cứu việc áp dụng GA vào thủ tục giải bài tốn tam giác, tìm kiếm tuần tự
và tuyến tính để có cách nhìn sâu hơn về hiệu quả của GA so với kiểm thử ngẫu
nhiên.
 Tìm hiểu hàm fitness Hamming được sử dụng cho GA để so sánh với hàm fitness
nghịch đảo mà GA hay sử dụng.