[发明专利]程序测试方法、装置及存储介质

权利要求书

1.一种程序测试方法，其特征在于，包括：

获取待测试程序的源代码中的输出点的理论数量以及每个输出点的位置信息；

将所述输出点的理论数量和所述每个输出点的位置信息，输入覆盖率预测模型进行处理，得到预测代码覆盖率；其中，所述覆盖率预测模型是根据在线序列的极限学习机OS-ELM训练得到的用于预测代码覆盖率的模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本集，所述训练样本集中包括多组训练样本，每一组训练样本中包括程序输出点的理论数量、位置信息以及所述程序实际运行时的代码覆盖率；

获取OS-ELM的训练参数，所述训练参数包括隐含层节点数、激励函数、训练数据集大小以及预测数据大小；

根据随机生成的隐含层的权值矩阵和偏置向量，所述训练参数以及所述训练样本集，采用OS-ELM算法进行模型训练，得到所述覆盖率预测模型。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

在所述待测试程序运行后，获取所述待测试程序运行时输出的日志文件；

根据所述日志文件，获取所述待测试程序运行时的输出点的实际数量；

根据所述待测试程序的输出点的所述理论数量和所述实际数量，计算获取所述待测试程序的实际代码覆盖率；

根据所述实际代码覆盖率对所述覆盖率预测模型进行优化处理，得到优化后的覆盖率预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述实际代码覆盖率对所述覆盖率预测模型进行优化处理，得到优化后的覆盖率预测模型，包括：

根据所述待测试程序的输出点的理论数量，每个输出点的位置信息，以及所述实际代码覆盖率，得到一组新的训练样本；

对模型训练过程中的权值矩阵进行更新，得到更新后的权值矩阵；

根据所述新的训练样本以及所述更新后的权值矩阵，对所述覆盖率预测模型进行优化训练，得到所述优化后的覆盖率预测模型。

5.一种程序测试装置，其特征在于，包括：

获取模块，用于获取待测试程序的源代码中的输出点的理论数量以及每个输出点的位置信息；

处理模块，用于将所述输出点的理论数量和所述每个输出点的位置信息，输入覆盖率预测模型进行处理，得到预测代码覆盖率；其中，所述覆盖率预测模型是根据在线序列的极限学习机OS-ELM训练得到的用于预测代码覆盖率的模型。

6.根据权利要求5所述的装置，其特征在于，

所述获取模块，还用于获取训练样本集，所述训练样本集中包括多组训练样本，每一组训练样本中包括程序输出点的理论数量、位置信息以及所述程序实际运行时的代码覆盖率；

获取OS-ELM的训练参数，所述训练参数包括隐含层节点数、激励函数、训练数据集大小以及预测数据大小；

所述处理模块，还用于根据随机生成的隐含层的权值矩阵和偏置向量，所述训练参数以及所述训练样本集，采用OS-ELM算法进行模型训练，得到所述覆盖率预测模型。

7.根据权利要求5或6所述的装置，其特征在于，

所述获取模块，还用于在所述待测试程序运行后，获取所述待测试程序运行时输出的日志文件；

根据所述日志文件，获取所述待测试程序运行时的输出点的实际数量；

所述处理模块，还用于根据所述待测试程序的输出点的所述理论数量和所述实际数量，计算获取所述待测试程序的实际代码覆盖率；

根据所述实际代码覆盖率对所述覆盖率预测模型进行优化处理，得到优化后的覆盖率预测模型。

8.根据权利要求7所述的装置，其特征在于，所述处理模块，具体用于：

根据所述待测试程序的输出点的理论数量，每个输出点的位置信息，以及所述实际代码覆盖率，得到一组新的训练样本；

对模型训练过程中的权值矩阵进行更新，得到更新后的权值矩阵；

根据所述新的训练样本以及所述更新后的权值矩阵，对所述覆盖率预测模型进行优化训练，得到所述优化后的覆盖率预测模型。