论文部分内容阅读
Android应用自动化测试是应用质量保证的重要手段。针对目前Android应用自动化测试中传统自动化测试方法的自动化率和测试用例生成效率较低且应用异常发现能力较弱的问题,本文提出了基于粒子群优化算法的Android应用自动化测试方法——Particle Swarm Optimization For Android(文中简称PSOA方法)。PSOA方法主要分为三个步骤:控件信息获取、测试方法模块化、测试用例生成与基于粒子群优化算法的测试数据优化。其中,控件信息获取主要负责通过与待测app进行socket通信,使用view server服务,通过获取device列表、获取activity列表进而获取当前活动activity的控件层次树信息。测试方法模块化主要负责将现有的Android应用测试框架所提供的基础测试方法按照通常的自动化测试代码逻辑将其进行模块化封装。测试用例生成与基于粒子群优化算法的测试数据优化,主要负责将已经获取到的控件层次树信息过滤重组并生成测试用例生成树,通过遍历测试用例生成树,根据树节点中的控件类型匹配模块化方法,生成初级测试用例,进而经过粒子群优化算法对测试数据进行优化获得最终测试用例。论文进一步论述了选择Robotium作为自动化测试的基础框架,实现了PSOA方法的详细过程,其中Viewer模块实现了控件信息获取,TestMethod模块实现了测试框架模块化,PSO模块实现了测试用例生成与基于粒子群优化算法的测试数据优化。通过对比分析传统自动化测试方法与PSOA方法的实验结果,根据发现的待测应用的异常数量证明了PSOA方法对于提高异常发现能力的有效性,根据单位时间内有效测试用例的生成数量证明了PSOA方法对于提高测试用例生成效率的有效性,根据实验步骤的自动化程度对比证明了PSOA方法对于提高自动化率的有效性。