教育行业A股IPO第一股(股票代码 003032)

全国咨询/投诉热线:400-618-4000

天富娱乐注册官网平台 什么是亿兆体育平台怎么样?正交试验设计方法简介

更新时间:2021年11月08日18时33分 来源:传智教育 浏览次数:

正交实验设计法(Orthogonal Experimental Design )是指从大量的实验点中挑选出适量的、有代表性的点,依据Glois理论导出“正交表”。从而合理地安排实验的一种实验设计方法。正交实验设计法是研究多因素多水平的一种实验方法,生物学中经常会用这种方法研究植物的生长状况,一株植物的生长状况会受到多种因素的影响,包括种子质量等内部因素,还包括阳光、空气、水分、土壤等外部因素。在软件测试中,如果软件比较复杂,也可以利用正交实验设计法设计测试用例对软件进行测试。

正交实验设计法包含3个关键因素,具体如下所示。

(1)指标:判断实验结果优劣的标准。

(2)因子:因子也称为因素,是指所有影响实验指标的条件。

(3)因子的状态:因子的状态也叫因子的水平,它指的是因子变量的取值。

利用正交实验设计法设计测试用例时,可以按照如下步骤进行。


(1)提取因子,构造因子状态表

分析软件的规格需求说明得到影响软件功能的因子,确定因子可以有哪些取值,即确定因子的状态。例如,某一软件的运行受到操作系统和数据库的影响,因此影响其运行是否成功的因子有操作系统和数据库2个,而操作系统有Windows、Linux、Mac3个取值,数据库有MySQL、MongoDB、Oracle3个取值,因此操作系统的因子状态为3,数据库因子-状态为3。据此构造该软件运行功能的因子-状态表,如下表所示。

因子-状态
表 1


(2)加权筛选,简化因子-状态表

在实际软件测试中,软件的因子及因子的状态会有很多,每个因子及其状态对软件的作用也大不相同,如果把这些因子及状态都划分到因子-状态表中,最后生成的测试用例会相当庞大,从而影响软件测试的效率。因此需要根据因子及状态的重要程度进行加权筛选,选出重要的因子与状态,简化因子-状态表。

加权筛选就是根据因子或状态的重要程度、出现频率等因素计算因子和状态的权值,权值越大,表明因子或状态越重要,而权值越小,表明因子或状态的重要性越小。加权筛选之后,可以去掉一部分权值较小的因子或状态,使得最后生成的测试用例集缩减到允许的范围。


(3)构建正交表,设计测试用例

正交表的表示形式为Ln(tc)。

·L表示正交表。

·n为正交表的行数,正交表的每一行可以设计一个测试用例,因此行数n也表示可以设计的测试用例的数目。

·c表示正交实验的因子数目,即正交表的列数,因此正交表是一个n行c列的表。

·t称为水平数,表示每个因子能够取得的最大值,即因子有多少个状态。

例如L4(23)是最简单的正交表,它表示该实验有3个因子,每个因子有两个状态,可以做4次实验,如果用0和1表示每个因子的两种状态,则该正交表就是一个4行3列的表,如下表所示。

正交表
表2

假设表2中的3个因子为登录用户名、密码和验证码,用户名、密码和验证码有正确(用1表示)和错误(用0表示)两种状态,正常需要设计23=8个测试用例,而使用正交表只需要设计4个测试用例就可以达到同样的测试效果。因此,正交实验法是一种高效、快速、经济的实验设计方法。

在表2中,3个因子的状态都有两种,这样的正交实验比较容易设计正交表,但在实际软件测试中,大多数情况下,软件有多个因子,每个因子的状态数目都不相同,即各列的水平数不等,这样的正交表称为混合正交表,如L8(24×41),这个正交表表示有4个因子有2种状态,有1个因子有4种状态。混合正交表往往难以确定测试用例的数目,即n的值,这种情况下,大家可以登录正交表的一些权威网站,查询n值,例如,图下展示的是一个正交表查询网站的主页。

在这里,大家可以查询到不同因子数、不同水平数的正交表的n值。在该网站查找到24×41的正交表n值为8,其正交表设计如表3所示。

正交表2
表3

由表3可知,第1~4列有0和1两种状态,第5列有4种状态,正符合“有4个因子有2种状态,有1个因子有4种状态”。

正交表最大的特点是取点均匀分散、齐整可比,每一列中每种数字出现的次数都相等,即每种状态的取值次数相等。例如,在表2-21中,每一列都是取2个0和2个1;在表2中,第1~4列中,0和1的取值个数都是4,在第5列中,0、1、2、3的取值个数均为2。此外,任意两列组成的对数出现的次数相等,例如,在表2中,第1~2列共组成4对数据:(1,1)、(1、0)、(0、1)、(0,0),这4对数据各出现一次,其他任意两列也如此;在表2中,第1~2列组成的数据对有4个:(0,0)、(0,1)、(1,0)、(1,1),这4对数据出现的次数各为2次。在正交表中,每个因子的每个水品与另一个因子的各水平都“交互”一次,这就是整交性,它保证了实验点均为分散在因子与水品的组合之中,因此具有很强的代表性。

对于受多因子多水平影响的软件,正交实验法可以高效适量地生成测试用例,减少测试工作量,并且利用正交实验法得到的测试用例具有一定的覆盖度,检错率可达50%以上。正交实验法虽然好用,但在选择正交表时要注意先要确定实验因子、状态及它们之间的交互作用,选择合适的正交表,同时还要考虑实验的精度要求、费用、时长等因素。


0 分享到:
和我们在线交谈!