I. 主要研究工作

1. 智能化软件测试与漏洞分析；

2. 基于大语言模型的程序分析；

3. 深度神经网络测试技术。

II. 承担科研项目

1. 北京市教育委员会科研计划项目：工控运行数据异常检测模型的变异测试优化研究（KM202410017008），项目负责人，2024.01 - 2026.12。

2. 企业横向项目：输油泵智能诊断管理系统软件测试，项目负责人，2025.01 - 2026.12。

3. 企业横向项目：应急管理大数据工程及自然灾害监测预警信息化工程(软件部分)软件测试，项目负责人，2024.09 - 2024.12。

4. 企业横向项目：基于EFSM的嵌入式软件测试用例生成工具研发，项目负责人，2021.11 - 2022.04。

5. 中央高校基本科研业务费专项：面向漏洞报告的Web应用安全测试用例生成及漏洞复现（Z109），项目负责人，2021.01 - 2022.08。

III. 代表性学术论文

1. Liu Xuejun, Chen Qingshuai, Wu Yonghao, Wang Weiwei*, Qiu Tianguan, Yan Yong. Dynamic learning trajectory pruning and feature-enhanced test case prioritization for deep neural networks[J]. Information and Software Technology, 2026: 108248.

2. Wang Weiwei, Chen Qingshuai, Zhao Zimo, Liu Xuejun, Zhao Ruilian. Adaptive Multi‐Metric Test Case Selection for Deep Neural Networks Based on Genetic Algorithm[J]. Journal of Software: Evolution and Process, 2026, 38(7): e70150.

3. Wang Weiwei, Zhang Shukai, Qiu Kepeng, Liu Xuejun, Li Xiaodan, Zhao Ruilian*. Influencing Factors' Analysis for the Performance of Parallel Evolutionary Test Case Generation for Web Applications. Journal of Software: Evolution and Process, 2025, 37(2).

4. Wang Weiwei, Wu Shumei, Li Zheng, Zhao Ruilian*. Parallel evolutionary test case generation for web applications. Information and Software Technology, 2023, 155: 107113.

5. 李子东, 姚怡飞, 王微微*, 赵瑞莲. 基于机器视觉的Web应用页面元素识别及可视化脚本生成. 计算机科学, 2022, 49(11): 65 - 75.

6. Mao Qun, Wang Weiwei*, You Feng, Li Zheng, Zhao Ruilian. User behavior pattern mining and reuse across similar Android apps. Journal of Systems and Software, 2022, 183: 111085.

7. Zhao Ruilian, Wang Weiwei*, Song Yuqi, Li Zheng. Diversity - Oriented Test Suite Generation for EFSM Model. IEEE Transactions on Reliability, 2020, 69(2): 611 - 631.

8. 王微微, 李奕超, 赵瑞莲*, 李征. Web应用前后端融合的遗传算法并行化测试用例生成[J]. 软件学报, 2020, 031(005):1314-1331.

IV. 发明专利和软件著作权

1. 赵瑞莲, 王微微, 李奕超. 基于Web应用前后端的遗传算法并行化测试用例生成[P]. 中国发明专利, CN201910453092.1, 2019.05.28.

V. 招生信息

本人目前主要招收电子信息、控制工程领(085406)专业学位硕士。联系邮箱：wangweiwei@bipt.edu.cn.

诚挚欢迎踏实认真、敢于创新、具备较强的计算机应用能力和较高英语水平的同学加入本团队。优先考虑具备以下一项或多项技能的同学：

扎实的编程与算法基础：熟练掌握 Python 或 Java，具备良好的代码编写与工程实践能力；

人工智能与大模型应用能力：熟悉 PyTorch 等深度学习框架，有开源大语言模型微调（如 LoRA）或 LangChain 多智能体协作开发经验；

软件分析与网络安全基础：了解 Web 前后端架构，对程序静态分析、安全漏洞挖掘与自动化测试有浓厚兴趣。