ارائه راهکاری مبتنی بر الگوریتم یادگیری معلم و دانش آموز به منظور کاهش موارد آزمون رگرسیون

هدف انتخاب موارد آزمون این است که بتوان زیر مجموعه­ای انتخاب شود که قابلیت بالقوه شناسایی خطاهای ناشی از تغییرات را داشته باشد. به عبارتی هدف روش های انتخاب موارد آزمون، کاهش تعداد موارد آزمون بعد از تغییر کد است و بر روی شناسایی بخش­های اصلاح شده برنامه تمرکز دارد. روش های هوشمند مانند رگرسیون، دقت آزمون را در پروژه های نرم افزاری بهبود می بخشند و استفاده از الگوریتم­های بهینه سازی در یافتن مقدار بهینه موارد آزمون می­تواند از نظر زمان و سرعت هم مفید واقع شود. در این مقاله تکنیکی برای کاهش موارد آزمون رگرسیون مبتنی برروش بهینه سازی معلم- دانش آموز ارائه می­شود.  این روش از دو مرحله معلم( فاز آموزش) و دانش آموز ( فاز یادگیری) روی مجموعه آزمون تشکیل شده و بر اساس پارامترهای مختلف پیاده سازی گردیده است. نتایج آزمایش­ها نشان داد که استفاده از الگوریتم معلم- دانش آموز، زمان لازم برای کاهش موارد آزمون رگرسیون را تا حدی بهبود می­بخشد، هر چند که جواب قطعی را به ما نمی دهد و جوابی نزدیک به بهینه را خواهد داد. نتایج حاصل از اجرای رویکرد پیشنهادی با روش­های قبلی انتخاب موارد آزمون مقایسه شده و مشاهده شد که میانگین زمان اجرای موارد آزمون انتخابی، توسط آن بهتر است

کلیدواژه ها:

آزمون نرم افزار ، بهینه سازی ، آزمون رگرسیون ، الگوریتم یادگیری معلم- دانش آموز