本小节针对测试任务分解的过程模型进行分析，如图5－4所示，其具体步骤如下所示。

图5-4　测试任务分解过程模型

步骤1　任务初步分解：针对任务集合Tasks中的任务Ta1，依据功能偏好和资源占用情况的不同对Ta1进行第一次分解，得到最初的测试任务分解方案R1。

步骤2　独立性判断：判断R1中子任务组R1，j′的类型，即针对R1，j′中子任务集合A1，j′和不同子任务之间的关系集合B1，j′进行判定，见式（5－11）和式（5－12）。如果R1是独立型测试任务，即R1中所有子任务组之间不存在信息交互，则将R1直接作为最终分解方案R，进入步骤6；如果R1是控制型或耦合型测试任务，进入步骤3。

式中，UT为STi′，j′中的子任务；IUTC为输入子任务集合；OUTC为输出子任务集合。

步骤3　内聚性分析：依据实际测试经验，适当设定任务分解粒度阈值，并与R1的粒度进行比较，如果满足相关要求则作为最终分解方案R，进入步骤6，否则计算R1的耦合性、均衡性，并进一步改进方案R1，得到方案R2。

步骤4　方案R2分析：分析方案R2的内聚性、耦合性和均衡性，并记录结果。(www.daowen.com)

步骤5　最优方案筛选：综合比较方案R1和R2的各项指标，可能出现以下两种情况：情况1，两套方案均不满足测试需求，继续分解方案R2，返回步骤3；情况2，方案R2满足测试需求，综合比较方案R1和R2，选取内聚度更大，粒度、耦合度和均衡度更小的方案作为最终分解方案R。

步骤6　任务分解完毕：针对Tai′＋1继续进行分解。

基于上述具体步骤设计了相互间关系复杂的测试任务分解算法，得到算法的具体开发思路，伪代码如图5－5所示。

图5-5　分解算法开发思路