简介： 本发明公开一种基于覆盖引导模糊测试的深度强化学习软件测试方法：包括：1)、生成满足取值范围的初始状态；2)、将初始状态交给待测试深度强化学习软件运行，在被测软件运行中记录智能体所有运行信息；3)、设计目标函数，判定该初始状态是否触发错误，若触发错误，则认为该初始状态是成功测试用例；4)、分析收集到的状态是否形成新的覆盖，若形成新的覆盖，将其加入到种子池中；5)、从新加入种子池的种子中选取部分种子执行变异操作，将变异种子作为测试输入。本发明首次提出面向深度强化学习软件的覆盖引导模糊测试方法，改进传统覆盖引导模糊测试框架，能够生成更充分、全面的测试用例集合，更高效地暴露深度强化学习软件的错误行为。