使用python生成测试套件的遗传算法

Question

我正在寻找使用遗传算法 (GA) 的 测试套件 优化。有多篇 IEEE 研究论文提出了这一点，但我需要帮助来实现相同的内容（使用 python）。

这些是我的 GA 步骤：

1. 表示：如何在 GA 中表示测试用例特征？
2. 初始化和评估（适应度函数）：如何创建适应度函数 - 公式？
3. 亲本选择、交叉和变异：通过遗传算法运行
4. 输出：从输出推断

我对此进行了大量研究，但无法进入可以实施的阶段。

对于测试用例优化（选择最佳测试用例）我使用GA python packages。
非常感谢任何帮助。

Answer 1

这也是我一直在寻找的。​​p>

表示是第一个问题，但我们可以为测试用例中的每个步骤提供 id。

适应度函数可以是该步骤涵盖多少以及执行它所花费的时间的等级。

选择可以是随机的，或者我们可以指定在测试用例中使用的前/后步骤 （每个步骤都可以有一个前/后步骤）。

然后，我们可以生成大量包含步骤的测试用例。 并根据该 FF 获得每一代中最好的。

仍在进行一些编码。我们应该联系。