Automatically Generating Metamorphic Relations via Genetic Programming

本文介绍了一种名为变异测试的流行方法，旨在缓解软件测试中的预言问题。该方法的核心是变异关系（MRs），指定在多个测试输入和相应输出之间保持的属性。由于自动生成MRs是一个具有挑战性和未被充分探索的问题，因此推导MRs大多是一项手动活动。本文提出了一种名为GenMorph的技术，用于自动生成涉及布尔值、数字或有序序列的Java方法的MRs。GenMorph使用进化算法搜索有效的测试预言，即不触发误报并暴露被测方法中的软件错误的预言。所提出的搜索算法由两个适应性函数指导，分别测量生成的MRs的误报数量和漏报故障数量。我们的结果表明，GenMorph为23个方法中的18个方法生成了有效的MRs（变异分数> 20％）。此外，它可以提高Randoop在23个方法中的7个方法的错误检测能力，并提高Evosuite在23个方法中的14个方法的错误检测能力。

自动化生成Metamorphic Relations（MRs）是一个具有挑战性的问题，本文试图解决这个问题。

本文提出了一种名为GenMorph的技术，使用进化算法自动为涉及布尔值、数字或有序序列的Java方法生成有效的MRs。

GenMorph通过两个适应度函数指导搜索算法，使其生成的MRs不会触发虚警，并能暴露被测试方法中的软件缺陷。实验结果表明，GenMorph可以为23个方法中的18个生成有效的MRs，并且可以提高Randoop和Evosuite的错误检测能力。

最近的相关研究包括“Metamorphic Testing：A Review of Challenges and Opportunities”和“Automated Test Input Generation for Android: Are We There Yet?”等论文。