文章摘要:为在持续集成（CI）环境下减少回归测试集、提升回归测试的效率，提出一种适用于持续集成环境的回归测试套件选择方法。首先，根据每个提交相关的测试套件历史失败率和执行率信息，进行提交排序。然后，采用机器学习方法，对各提交涉及的测试套件进行失败率预测，选择具有较高失败率的测试套件。该方法综合使用提交排序技术和测试套件选择技术，从而保证既提高故障检测率又能一定程度上降低测试成本。在Google的开源数据集上进行实验，结果表明，与文献中的方法相比，开销感知平均故障检测百分比（APFDc）最高提高了约27%，在相同的测试时间成本下，测试召回最高提高了约38%，变更召回最高提高了约25%，测试套件选择率最高降低了约6%。

文章关键词:

论文分类号:TP311.53