تولید خودکار داده تست نرمافزار با استفاده از مدل تکاملی یادگیر

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,026

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IPRIA01_023

تاریخ نمایه سازی: 11 مرداد 1393

چکیده مقاله:

یکی از مهمترین روشهای بررسی کیفیت نرمافزار، تست نرمافزار است. این عمل بسیار پرهزینه و زمانبر میباشد، بنابراین استفاده از روشهای جستجوی فرامکاشفهای روشی کارا برای خودکار کردن آن خواهد بود. الگوریتمهایتکاملی از جمله روشهایی هستند که برای این مسئله استفاده میشوند. در این تحقیق از مدل تکاملی یادگیرLEM( استفاده شده است. این روش ترکیبی ازالگوریتمهای تکاملی و روشهای یادگیری ماشین میباشد. از روشهای یادگیریبرای بدست آوردن دلیل خوب بودن افراد بهره میگیرد. این دلایل به صورت فرض های استقرایی بیان شده و از آنها برای تولید جمعیت نسل بعدی فاز تکاملی استفاده میگردد. همین خاصیت باعث شده است که مدل تکاملی یادگیر نسبت به بسیاری از روشهای تکاملی مانند الگوریتم ژنتیک کارایی بالاتری داشته باشد. بعلاوه، این پژوهش از دانش بدست آمده از مراحل پیشین به منظور افزایش سرعت مسئله بهره گرفته است. بنابراینLEMاستفاده شده تا بتوان از دانش در قالب فرضیه بهره برد. آزمونهای متعددی برای ارزیابی کارایی این روش صورت گرفت. نتایج بدست آمده حاکی از آن است که روش پیشنهادی نسبت به الگوریتم ژنتیک از سرعت بالاتری برخوردار است

نویسندگان

فائقه جوادی

دانشگاه صنعتی اصفهان، دانشکده برق و کامپیوتر، اصفهان

عبدالرضا میرزایی

دانشگاه صنعتی اصفهان، دانشکده برق و کامپیوتر، اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سراران 16 تا 18 اسفند (1391 هه هه ...
  • Myer, G., J., The Art of Software Testing., Wiley Publishing, ...
  • Beizer, B., Software System Testing and Quality Assurance, Thomson Computer ...
  • Duran, J.W., Ntafos, S.C., An Evaluation of Random Testing, IEEE ...
  • Demillo, R., Offut, A., Experimental Results from An Automatic Test ...
  • Korel, B., Automatic Software Test Data Generation, IEEE Transaction On ...
  • Tracy, N., J., A searched-Bas ed Automated Test-Data Generation Framework ...
  • Jones, B., F., Eyres, D., E., Sthamer, H., H., A ...
  • Miller, J., Reformat, M., Zhang, H., Automatic Test Data Generation ...
  • Pargas, R., P., Harrold, R., R., Peck, Test Data Genertion ...
  • Sthamer, H., H., The Automatc Generation of Software Test Data ...
  • Watkins, A., Hufnagel, E., M., Evolutionary Test Data Generation: A ...
  • Watkins, A., Hufnagel, E., M., Berndt, D. Johnson, L., Using ...
  • Engineering and Knowledge Engineering, Vol. 16, No. 2, pp. 269-291, ...
  • Emer, M., C., Vergilio, S., R., Selection and Evaluation of ...
  • Dfaz, E., Tuya, J., Blanco, R., Automated Software Testing Using ...
  • Bueno, P., M., S., Wong, W., E., Jino, M., Improving ...
  • Guleng, S., David, W., Corne, Evolutionary Optimization guided by Entropy-based ...
  • Sheri, G., Corne, D. Lea rning-assisted evolutionary search for scalable ...
  • Michalski, R., S., Learnable Evolutionary Model: Evolutionary Processes Guided by ...
  • Quinlan, J., R., Induction of Decision Trees. Machine Learning, Vol. ...
  • Michael, C., McGraw, G., Schatz, M. Generating Software Test Data ...
  • Wegener, J., Baresel, A., Sthamer, H., Evolutionary Test Environment for ...
  • نمایش کامل مراجع