摘要
本发明公开了一种卷积神经网络结合遗传算法的智能装备软件测试方法，旨在将变异测试问题转化为传统覆盖路径测试问题，并生成有效测试用例。首先计算变异分支覆盖难度，构建相关度矩阵并生成变异分支相关图，再生成可执行路径集；然后针对多路径构建多任务测试用例生成数学模型；随后构建基于增量学习的卷积神经网络模型，进而预测高适应度个体作为多种群遗传方法的初始种群，最终借助基于增量学习卷积神经网络增强的多种群遗传方法，高效生成具备缺陷检测能力的测试用例。本发明生成具有高缺陷检测能力的测试用例，有效提升智能装备软件测试效率与质量。
