局部扩展方法：优化随机测试集的新策略

"这篇文章主要探讨了如何通过局部扩展方法(局部传播法，LS)来优化随机测试集，以提升测试效果。在IT行业中，测试用例的标记是时间和成本消耗较大的工作，尤其在大量测试用例的情况下。为了更有效地发现非点故障模式，即那些不局限于单一输入值的错误，文章提出了一种新的策略，即在输入域上更加均匀分布测试用例。" 在详细阐述中，局部扩展方法(LS)是一种基于点的局部布局算法，其目的是改进初始测试集，使测试用例之间的最小距离增大。该方法的工作原理是：对于每一个测试用例（点），系统会找到其最近的邻居，然后在考虑到邻近关系的基础上确定一个可行的移动方向。沿着这个方向，测试用例会被移动，以增加它与其他测试用例之间的最短成对距离。这样的过程有助于避免测试用例过于集中，从而提高对潜在故障模式的覆盖。 此外，LS方法被视作自适应随机测试(ART)的一个补充。ART是一种动态调整测试策略的方法，它根据测试结果反馈来优化测试用例的选择。结合LS，可以进一步提升ART的性能，特别是在P-measure（一种评估测试覆盖率的指标）方面。模拟结果显示，LS方法能有效提高ART的P-measure值，这意味着它能够更有效地发现软件中的问题。 这篇论文提供的局部扩展方法对于提高测试效率和质量具有重要意义，尤其是在资源有限、测试需求大的情况下。通过优化测试用例的分布，LS方法能够帮助测试者更全面地覆盖输入空间，从而发现更多的潜在问题，减少软件的缺陷。这对于软件开发、维护以及质量保证等领域来说，无疑是一项重要的工具和技术。