【技术实现步骤摘要】
一种故障检测率对软件可靠性影响分析方法、系统及应用
[0001]本专利技术属于软件故障数据识别
,尤其涉及一种故障检测率对软件可 靠性影响分析方法、系统及应用。
技术介绍
[0002]随着信息技术与网络的发展,计算机的应用也越来越广泛。计算机软件作为 用户使用计算机的主要载体与功能提供者,在生产生活中具有重要作用。为了满 足人们对软件期望功能的提高,软件的规模与复杂度不断提高,当软件规模逐渐 增加时,保持软件质量是软件开发与测试环节中的重要环节。软件可靠性是软件 质量中的重要因素,高质量的软件必然是高可靠的。软件可靠性增长模型SRGM 是软件可靠性分析的重要方法,同时也是当前的主流分析方法。在一般SRGM 模型中,有两大类基本参数,一是软件总故障,是软件系统中整体故障数量的抽 象,二是故障检测率,是软件测试环境下的一种测试能力的描述函数。在软件测 试过程中测试人员将不断地发现与修复故障,为了更好地掌握软件可靠性,以达 到预期(发布)要求,需要分析FDR在可靠性分析中的功用。
[0003]故障检测率刻画了测试环境、测试技术、测试资源消耗情况以及测试人员技 能的综合能力。客观上测试环境的不同,以及测试人员实施测试策略的差异,使 得不同系统工程在测试中表现出不同的外在特征。从建立数学模型的角度来看, 不同模型的区别与故障检测率FDR关联紧密。这样,FDR从整体上刻画了测试 效果,使得其成为影响SRGM性能的主要评测点。对软件可靠性建模具、软件 故障数量预测、确定最优发布时间、控制测试成本等工作具有重要意义。< ...
【技术保护点】
【技术特征摘要】
1.一种故障检测率对软件可靠性影响分析方法,其特征在于,应用于信息数据处理终端,所述故障检测率对软件可靠性影响分析方法包括以下步骤:S1,分析同类型的故障检测率b(t)形式,包括共有常量型、FDR型、S型、指数型的多个表达式;S2,针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式,利用信息熵联合TOPSIS决策算法,得出软件故障检测率函数对应的SRGM模型的偏序排序;S3,分析FDR型表达式对于SRGM模型的性能影响因素,在实际软件测试过程中选择出故障检测率以建立距离的SRGM模型,实现测试资源分配和发布时间。2.根据权利要求1所述的故障检测率对软件可靠性影响分析方法,其特征在于,在S1中,分析同类型的故障检测率b(t)形式,具体包括以下步骤:(1)软件失效满足NHPP过程;(2)在t+Δt时间内检测到的故障数量与当前软件中剩余的故障数量成比例;(3)软件修复过程中存在排错的不完全性和新故障引入现象;(4)求解出不同故障检测率对应的SRGM模型,SRGM模型微分方程形式为:式中,m(t)为故障检测函数,表示软件测试中已被检测出故障的数量;b(t)是故障检测率函数,数值在(0,1)间;a(t)表示软件总故障数量,设定为常量或设定为测试时间t的函数;p是故障修复概率,数值在(0,1)间,将不同的形式的函数带入SRGM模型微分方程求解出故障检测函数。3.根据权利要求1所述的故障检测率对软件可靠性影响分析方法,其特征在于,在S2中,所述单SRGM单FDS多FDR模式包括:在确定的SRGM模型下,通过改变其中的FDR,将多个b(t)函数代入m(t)中,用以观测此时的SRGM模型的性能;将不同的FDR带入到SRGM模型中,通过观测得到的拟合与预测数值,并经过EvaluateFDREffectOnSRGM—SSSFMF决策算法给出FDR偏序排序结果;所述EvaluateFDREffectOnSRGM—SSSFMF决策算法包括:输入:遴选出的SRGM模型m(t)和失效数据集DS、故障检测率向量FDRSet=[bt1,bt2,...,bt
m
]、拟合与预测权重向量W;输出:FDR偏序集合FDRSet;(1)For each b(t)in(FDRSet){MT[i]=Fitting(m(t),DS,b(t))MSE[i]=CalculateMSE(MT[i])R_square[i]=CalculateR_square(MT[i])Variation[i]=CalculateVariation(MT[i])RE[i]=CalculateRE(MT[i])}(2)FDRSet=SortFDR(MT,MSE,R_square,Variation,RE,W)//得到经决策算法处理后的FDR偏序集合;(3)Return FDRSet。
4.根据权利要求1所述的故障检测率对软件可靠性影响分析方法,其特征在于,在S2中,多SRGM多FDS多FDR模式包括:1)当面对多个确定的SRGM条件和多个FDS下,分组进行将多个b(t)函数带入m(t)中用以观测此时的SRGM性能;2)对于遴选出的多个SRGM和多个FDS,分为若干个组,在每一组内将不同的FDR带入到SRGM中,通过获取综合的拟合与预测数值,得到FDR的性能综合值;3)对每一组均进行上述步骤1)
‑
步骤2),得到多组不同FDR的性能综合值;4)最后经过EvaluateFDREffectOnSRGM—MSMFMF决策算法给出全部FDR的排序结果;所述EvaluateFDREffectOnSRGM—MSMFMF决策算法包括:输入:遴选出的SRGM模型集合SRGMSet和失效数据集集合DSSet、故障检测率向量FDRSet=[bt1,bt2,...,bt
m
]、拟合与预测权重向量W;输出:FDR偏序集合FDRSet;步骤1,For each b(t)in(FDRSet){For each m(t)in(SRGMSet){MT[j]=Fitting(m(t),DSSet[j],b(t))MSE[j]=CalculateMSE(MT[j])R_square[j]=CalculateR_square(MT[j])Variation[j]=CalculateVariation(MT[j])RE[j]=CalculateRE(MT[j])FDRSingleValue[j]=GetFDR(MT[j],MSE[j],R_square[j],Variation[j],RE[j],W)}//得到每个组中针对每个不同的SRGM的FDR单一性能值;FDRIntegratedValue[i]=GetFullFDR(FDRSingleValue)}//得到每个组的FDR综合性能值;步骤2,FDRSet=SortFDR(FDRIntegratedValue)//得到经决策算法处理后的FDR偏序集合;步骤3,Return FDRSet。5.根据权利要求3所述的故障检测率对软件可靠性影响分析方法,其特征在于,步骤(2)中SortFDR()实现对SRGM模型的排序,排序的基本算法...
【专利技术属性】
技术研发人员:张策,孙智超,江文倩,王金勇,温雅菲,刘凯卫,范苗苗,李文毓,
申请(专利权)人:哈尔滨工业大学威海,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。