面向持续集成测试优化的强化学习奖励机制

来源 :软件学报 | 被引量 : 0次 | 上传用户:Nathan_YM
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
持续集成环境下的测试存在测试用例集变化大、测试时间有限和快速反馈等需求,传统的测试优化方法难以适用.强化学习是机器学习的一个重要分支,其本质是解决序贯决策问题,可以用于持续集成测试优化.但现有的基于强化学习的方法中,奖励函数计算只包括测试用例在当前集成周期的执行信息.从奖励函数设计和奖励策略两个方面开展研究.在奖励函数设计方面,采用测试用例的完整历史执行信息替代当前执行信息,综合考虑测试用例历史失效总次数和历史失效分布信息,提出了两种奖励函数.在奖励策略方面,提出对当前执行序列的测试用例整体奖励和仅对失效
其他文献
目的通过对参保和未参保劳务工卫生服务需要及利用的比较分析,了解劳务工合作医疗制度的实施现状,为进一步推进劳务工合作医疗制度的发展提供参考依据。方法采用分阶段随机抽样
单张图像超分辨率重建受到多对一映射的困扰.对于给定的低分辨率图像块,存在若干高分辨率图像块与之对应.基于学习的方法受此影响,学习到的逆映射规则只能预测这些高分辨率图像块的均值,从而产生视觉上模糊的超分辨率重建结果.为了弥补歧义性造成的高频细节损失,提出了一种基于深度网络、利用在线检索的数据进行高频信息补偿的图像超分辨率重建算法.该方法构建一个深度网络,通过3个分支预测高分辨率重建结果:一条旁路直接
同步数据流语言(如Lustre、Signal)在航空、高铁、核电等安全关键领域得到广泛应用。例如,适合这些领域实时控制系统建模和开发的Scade工具就是基于一种类Lustre语言。这类语
针对移动点对点(P2P)结构下位置隐私保护匿名区形成存在着通信开销大、匿名效率低以及成功率低等问题,提出了一种移动P2P结构下用户分布感知方案,用户在邻域内共享邻域加权密度
作为房地产公司员工参与了某一办公楼项目的代建管理工作,试图通过本文对房产商从事项目代建工作的全过程进行分析总结,通过对代建全过程的深入思考提出房产商从事代建工作需
随着人机对话的不断发展,让计算机能够准确地理解用户查询意图,对整个人机对话领域都有着重要意义.意图分类的主要目标是在人机对话的过程中判断用户的意图,提升人机对话系统
融合先进科技的工序间检测是实现过程质量控制的主要手段,也是企业实现现代制造工艺的一项基础工作。现以上海大众汽车有限公司一条新建的生产线为例,阐述了强化工序间检测是如
骨龄,正式名称叫做骨骼测定年龄,它是通过测定骨骼的大小、形态、结构和相互关系的变化反映体格发育程度,并通过统计处理,以年龄的形式,以岁为单位进行表达的生物学年龄。简
提出了基于抽象解释框架自动合成数组程序不变式的方法,它能够分析按照特定顺序访问一维或者多维数组的程序,然后合成不变式.该方法将性质(包括区间全称量词性质和原子性质)集