Page 126 - 《软件学报》2025年第5期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(5):2026−2042 [doi: 10.13328/j.cnki.jos.007204] [CSTR: 32375.14.jos.007204] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

代理辅助多任务进化优化引导的 MPI 程序路径覆盖测试用例
*
生成

孙百才 1,3 , 巩敦卫 2 , 姚香娟 3

1
(中国矿业大学 信息与控制工程学院, 江苏 徐州 221116)
2
(青岛科技大学 信息科学技术学院, 山东 青岛 266061)
3
(中国矿业大学 数学学院, 江苏 徐州 221116)
通信作者: 巩敦卫, E-mail: dwgong@vip.163.com

摘 要: 基于进化优化的消息传递接口 (message-passing interface, MPI) 程序路径覆盖测试中, 进化个体适应值的
评价需要反复执行 MPI 程序, 而程序的重复执行往往需要高昂的计算成本. 鉴于此, 提出一种代理辅助多任务进化
优化引导的 MPI 程序路径覆盖测试用例生成方法, 该方法能够显著约减 MPI 程序的实际执行次数, 进而提高测试
效率. 首先, 面向 MPI 程序目标路径内每条目标子路径, 训练相应的代理模型; 然后, 基于对应每条目标子路径的代
理模型, 估计相应测试用例生成优化任务中进化个体的适应值, 并形成候选测试用例集; 最后, 基于候选测试用例
集及其面向每条目标子路径的真实适应值, 更新对应每条目标子路径的代理模型. 将所提方法应用于 7 个基准
MPI 程序的基本路径覆盖测试中, 并与其他若干先进方法比较. 实验结果表明, 所提方法能够在确保测试用例生成

高有效性的前提下, 显著提高测试效率.
关键词: 路径覆盖测试用例生成; 代理辅助多任务进化优化; 候选测试用例集
中图法分类号: TP311

中文引用格式: 孙百才, 巩敦卫, 姚香娟. 代理辅助多任务进化优化引导的MPI程序路径覆盖测试用例生成. 软件学报, 2025,
36(5): 2026–2042. http://www.jos.org.cn/1000-9825/7204.htm
英文引用格式: Sun BC, Gong DW, Yao XJ. Test Case Generation for Path Coverage of MPI Program Guided by Surrogate-assisted
Multi-task Evolutionary Optimization. Ruan Jian Xue Bao/Journal of Software, 2025, 36(5): 2026–2042 (in Chinese). http://www.jos.
org.cn/1000-9825/7204.htm

Test Case Generation for Path Coverage of MPI Program Guided by Surrogate-assisted
Multi-task Evolutionary Optimization
2
1,3
SUN Bai-Cai , GONG Dun-Wei , YAO Xiang-Juan 3
1
(School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221116, China)
2
(School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China)
3
(School of Mathematics, China University of Mining and Technology, Xuzhou 221116, China)
Abstract: During the path coverage testing of a message passing interface (MPI) program based on evolutionary optimization, the fitness
of evolutionary individuals needs to be evaluated by repeatedly executing the MPI program. However, repeated execution of an MPI
program often requires high computational costs. Therefore, this study proposes an approach to generate test cases for path coverage of
MPI programs guided by surrogate-assisted multi-task evolutionary optimization, which significantly reduces the actual execution times of
MPI programs, thereby improving testing efficiency. Firstly, surrogate models are trained for each target sub-path in the target path of an

* 基金项目: 国家自然科学基金 (62302502); 中国博士后科学基金 (2022M713368); 江苏省卓越博士后计划 (2022ZB528); 中央高校基本
科研业务费专项资金 (2023QN1073)
收稿时间: 2023-11-09; 修改时间: 2024-02-23; 采用时间: 2024-04-08; jos 在线出版时间: 2024-08-21
CNKI 网络首发时间: 2024-08-22