正交测试

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