طراحی و پیاده سازی یک چارچوب هوشمند برای تست خودکار نرم افزارهای تحت وب با استفاده از هوش مصنوعی

با رشد روزافزون پیچیدگی برنامه های تحت وب، نیاز به تست خودکار جامع و موثر بیش از پیش احساس می شود. در این مقاله، رویکردهای اخیر تست خودکار وب اپلیکیشن ها با بهره گیری از الگوریتم های هوش مصنوعی (یادگیری ماشین، یادگیری عمیق و شبکه های عصبی) مرور و تحلیل می شوند. پس از بررسی چالش های تست سنتی تحت وب (مانند فرم های پویا و منطق پیچیده)، روش های هوشمند در سه دسته عمده معرفی می شوند: ۱) یادگیری ماشین برای تولید و تحلیل موارد آزمون، ۲) شبکه های عصبی و یادگیری عمیق برای درک عناصر رابط کاربری و آزمون خودکار، و ۳) یادگیری تقویتی عمیق برای کاوش خودگردان فضای حالت وب. نمونه هایی از چارچوب های منتخب، مانند WebRLED و WebExplor، به همراه نتایج تجربی آن ها ارائه می شود. نتایج نشان می دهد که روش های مبتنی بر هوش مصنوعی می توانند به طور چشمگیری پوشش کد و نرخ کشف خطا را بهبود دهند. چشم اندازهای پژوهشی آینده شامل یکپارچه سازی مدل های زبان بزرگ (LLM) و گسترش دسترسی به دیتاست های واقعی برای آموزش مدرن است.

کلیدواژه ها:

تست خودکار نرم افزار ، برنامه های تحت وب ، هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق