1.一种基于蒙特卡洛树搜索的EFSM可执行测试序列生成方法，其特征在于：应用蒙特卡洛树搜索算法建立EFSM对应的TEA树，从中找到一条满足测试覆盖条件的路径，该路径即为可执行测试序列且该路径及其路径上每条变迁的输入、输出构成一个完整的测试用例；

所述蒙特卡洛树搜索算法的具体实施方式为：首先建立EFSM对应的TEA树，所述TEA树中每个节点即对应一个状态且节点包含对应的状态名称以及整个EFSM的变量；从给定的起始状态即根节点开始进行搜索，当某个节点存在有多条输出变迁时，通过计算每条输出变迁的UCT值，经过对应UCT值最大的输出变迁搜索到下一个节点，且每经过一条变迁需查看走过的路径是否已包含所有测试目标变迁，若是则搜索结束，输出路径作为可执行测试序列，否则继续搜索；

所述UCT值的计算表达式如下：

其中：N为当前节点，N'为N的父节点，UCT(N)为节点N与N'之间变迁的UCT值，Q(N)为当前节点N的累计奖励值，V(N)为当前节点N的被访问次数，V(N')为父节点N'的被访问次数，η为给定的权重系数，Δ(Ni)为在对当前节点N进行第i次蒙特卡洛树搜索过程的模拟仿真阶段中终端节点Ni的奖励值，budget为蒙特卡洛树搜索的搜索开销上限，n为TEA树中当前节点N至根节点路径上已覆盖的测试目标变迁数量，|TS|为所要求覆盖的测试目标变迁数量，|Ni.ω|为在对当前节点N进行第i次蒙特卡洛树搜索过程中根节点到终端节点Ni的路径深度，Max为蒙特卡洛树搜索所设定的最大探索深度，|N.path|为当前节点N到根节点的路径深度，μ为给定的开销参数，用于控制budget的缩放。

2.根据权利要求1所述的EFSM可执行测试序列生成方法，其特征在于：所述蒙特卡洛树搜索算法在继续搜索的过程中，若超过所设定的最大探索深度Max，仍未找到一条从根节点起覆盖所有测试目标变迁的路径，则重新从根节点开始探索或增大最大探索深度Max或增大开销参数μ。

3.根据权利要求1所述的EFSM可执行测试序列生成方法，其特征在于：该方法将EFSM可执行测试序列生成问题转化为一个基于TEA树搜索的马尔科夫决策过程，并应用蒙特卡洛树搜索算法进行求解。

4.根据权利要求1所述的EFSM可执行测试序列生成方法，其特征在于：该方法建立了TEA树和蒙特卡洛树搜索算法的融合机制，利用蒙特卡洛树搜索算法来预测TEA树中节点的扩展合理性，即在每次TEA树扩展节点时，建立一棵以蒙特卡洛树搜索方式建立的TEA子树，利用这棵TEA子树状态空间信息选择更合理的扩展方向。