《表2 不同奖励函数的时间消耗》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向持续集成测试优化的强化学习奖励机制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（s） （s）

研究问题4主要分析不同奖励的函数的时间消耗是否会影响持续集成测试整体效率.基于强化学习的TCP过程可大致包括通过奖励函数计算测试用例执行优先级并基于优先级进行排序，排序过程采用贪心策略，对总时间影响不大，因此，本实验统计一次集成的总时间进行比较，结果见表2.可以看出，包含历史的奖励函数由于增加了历史信息的计算，时间消耗多于不包含历史的奖励策略.其中，HFC奖励时间消耗比TF奖励增加约1s，APHF增加约1.5s.而整体奖励策略由于计算量多于部分奖励策略，因此时间消耗也略有增加.