[发明专利]一种基于遗传算法的多故障解耦和故障定位方法

说明书

本发明公开了一种基于遗传算法的多故障解耦和故障定位方法，包括：根据失效用例集构建初始失效用例特征向量矩阵；计算每一个候选解的适应度，并按照适应度大小对候选解进行降序排序；对n+1个候选解进行n+1次抽样，选出n+1个样本；基于n+1个样本进行交叉和变异操作，得到新的n+1个候选解，若迭代轮数大于N1或样本中具有最大适应度的候选解连续N2轮不变，则算法终止，得到具有最大适应度的候选解；将最大适应度的候选解所对应的失效用例修改为通过，并利用故障定位算法进行定位，得到最终的定位结果。本发明公开提供的基于遗传算法的多故障解耦和故障定位方法，提高了故障定位算法在多故障环境下的定位效率。

技术领域

本发明涉及软件故障定位技术领域，更具体的说是涉及一种基于遗传算 法的多故障解耦和故障定位方法。

背景技术

自动化的软件故障定位技术能够提高软件调试和测试效率，对于提高软 件可靠性和降低软件研发成本至关重要。软件故障定位技术是指在软件运行 失效的前提条件下，通过对测试结果、源程序以及通过程序行为特征反应出 来的信息进行分析计算，找出造成软件失效的故障代码在源程序代码中的可 能位置。调试过程需要理解程序的功能，结构，实现和语义，以及相关失败 执行的特点。通常调试任务只能由程序开发人员来完成，其他人员很难胜任， 故障定位过程中的任何改进都可以大大降低调试成本。

对于多故障程序(程序中含有多处故障代码)，软件失效可由多个不同 故障源相互耦合产生，定位特定故障源时，由其它耦合故障源导致的共同失 效用例会带来负面和模糊的特征反馈(M.Srivastav,Y.Singh,C.Gupta,and D. S.Chauhan,ComplexityEstimation Approach for Debugging in Parallel,in international conference oncomputer research and development,2010)，如何确 定多故障软件中失效用例和故障源之间一一对应的关系，提取故障源清晰特 征，成为了软件故障定位领域的研究挑战之一。针对这个挑战，现有研究的 主流做法是针对程序执行所产生的失效用例进行聚类分析。该类方法假设被 测软件的失效用例可以根据其特征结构进行分类，使得每一类中的失效用例 仅对应一处故障源，即符合单故障对应假设(R.Gao and W.E.Wong, MSeer-AnAdvanced Technique for Locating Multiple Bugs in Parallel,IEEE Transactionson Software Engineering,2017)。然而，对于同时触发多处故障的 失效用例来说，单故障对应假设无法成立：由于不同故障源间的耦合效应， 会干扰特定故障源的特征选取。比如异类多故障源间相互影响使得失效用例 呈现特定故障源的特征，而实际上该用例并未触发该类故障。这类具备多种 故障源特征的噪声失效用例会阻碍针对特定故障特征进行的定位活动，缩小 每一个失效用例聚类对应的故障源所在程序成功和失败运行中的执行信息差 异，从而产生特征模糊现象，进而降低定位效率，这是造成多故障环境下难 以建立失效用例和故障代码之间明确对应关系的根本原因。

因此，如何提高在多故障环境下的定位效率是本领域技术人员亟需解决 的问题。

发明内容

有鉴于此，本发明提供了一种基于遗传算法的多故障解耦和故障定位方 法，基于遗传算法对耦合用例进行解耦合操作，尽可能消除耦合效应对故障 定位产生的负面影响，从而从根本上提高现有故障定位算法在多故障环境下 的定位效率。

为了实现上述目的，本发明采用如下技术方案：

一种基于遗传算法的多故障解耦和故障定位方法，包括：

S11：根据失效用例集构建初始失效用例特征向量矩阵；其中，失效用例 集中有n个失效用例，初始失效用例特征向量矩阵中共有n+1个候选解；

S12：计算每一个候选解的适应度，并按照适应度大小对候选解进行降序 排序；