正交测试
上一篇 /
下一篇 2010-11-25 11:17:45
/ 个人分类:测试技术
前段时间一个同事分享了
正交测试法,听了之后还存在一些疑问,
1. 正交测试与
因果图区别
2. 正交表中的实验点为什么是均匀分布与搭配的
3. 正交表是怎样产生的
4. 如何选择正交表
于是,带着这些疑问,对正交法又进行了进一步的了解。
针对正交测试与因果图区别 了解如下:
1. 使用正交测试的可以使用因果图进行分析
2. 当输入条件很多时,因果图设计方法设计出来的用例数往往多的惊人
3. 正交法的核心思想是从大量测试数据中选取有代表性的点来测试,从而减少测试用例数。
针对“正交表中的实验点为什么是均匀分布与搭配的” 查了很多资料,甚至连抽象代数都翻开看了(计算机专业的好像很少有开这门课程的),最后对伽罗瓦理(Galois )理论还是没有完全弄懂,不过经过这一圈下来,得出了一个回到起点的结论,“正交表的均匀分布与搭配是有一套科学的理论来保证的,我们所要做的就是查表”
针对“正交表是怎样产生的”也是查了不少资料,大致的信息如下:
正交表的构造有很多种方法,如 哈达玛(Hadamard)矩阵法,正交拉丁法,有限域内积表法,符号转换法等,对其中的拉丁矩阵还进行了研究,依据拉丁矩阵产生了一个 4因数 4水平的 正交测试表,不过发现这个方法有些限制,它只能产品部分的正交表,无法产出任意的正交表,后来又发现发现很多人直接利用Excel 采用 有限域内积表法 产生基本上可以产生任一相同水平正交表也翻了一些资料,最终也是没有搞懂
第四个问题“如何选择正交表”,大概归纳如下:
(1)先看水平数。若各因素全是2水平,就选用L(2*)表;若各因素全是3水平,就选L(3*)表。若各因素的水平数不相同,就选择适用的混合水平正交表
(2)每一个交互作用在正交表中应占一列或二列。要看所选的正交表是否足够大,能否容纳得下所考虑的因素和交互作用。为了对试验结果进行方差分析或回归分析,还必须至少留一个空白列,作为“误差”列,在极差分析中要作为“
其他因素”列处理。
(3)要看测试精度的要求。若要求高,则宜取测试次数多的正交表
(4)若测试费用很昂贵,或测试的经费很有限,或人力和时间都比较紧张,则不宜选实验次数太多的正交表
(5)按原来考虑的因素、水平和交互作用去选择正交表,若无正好适用的正交表可选,简便且可行的办法是适当修改原定的水平数
(6)对某因素或某交互作用的影响是否确实存在没有把握的情况下,选择L表时常为该选大表还是选小表而犹豫。若条件许可,应尽量选用大表,让影响存在的可能性较大的因素和交互作用各占适当的列
不过到最后还是要强调一点:
正交表需要微调 以下为需要微调的情况:
1. 拿着自己的因素数和水平数,去找对应的正交表,按前面说的原则,现在正交表有一部分已经在网上公布了,在很大程度上已经够设计测试用例用了,如果你的情况太特殊,也可以考虑自己去推算
2. 如果你选择的正交表中某个因素数有剩余的水平数,就拿这个因素数的值从上到下循环代进去。以增加发现缺陷的机会
3. 按次数设计用例,每次数对应一个用例。设计完成后,如果觉得有些组合是可能会有问题的,而正交表中又没有包括,那就增加一些用例
最后想说的是,其实我后来所了解的内容与之前同事讲的没有本质的区别,只是正交测试本身确实是很复杂的一个算法,如果你想要弄懂这个原有,其实是需要有很强的抽象代数的功底,如果没有这个功底,一时半会也很难弄到其中的来龙去脉,但是正交测试从引用的层面来讲又是很简单的,只需要掌握一些查表的原则,你就可以很轻松的驾驭这个方法。
最后总结出来一点,正交测试法,其实就是查表发
收藏
举报
TAG:
因果图
正交测试