论文研究 基于粗糙集与证据理论的测试用例优化研究.pdf

由于软件体系复杂度和数量不断增加使得测试用例的设计和选择越来越困难, 为了能够在来自不同信息源的众多测试用例中选择有效的用例集, 提出了一种基于粗糙集与证据理论的测试用例优化方法。粗糙集是一种处理不确定信息的有效方法, 其本身不需要先验知识、有经典的约简算法等; D-S理论处理来自不同信息源的数据合成问题, 是经典概率论的一种扩展, 但其本身存在许多不足。粗糙集的特点恰好可以弥补其不足, 两者结合从而达到良好的效果。在实际应用分析中, 证明该方法是可行而且有效的。