برای بهینه سازی تولید ROBDD یک رویکرد ترکیبی مبتنی بر الگوریتمهای فراابتکاری و دنباله های آزمون ترکیبی

آزمون ترکیبی (Combinatorial Testing) یکی از رویکردهای موثر در شناسایی خطاهای ناشی از تعامل بین پارامترها است اما تولید دنباله های آزمون با پوشش کامل تعداد حداقلی و ترتیب بهینه به ویژه در شرایط وجود قیود منطقی، چالشی جدی محسوب می شود. در این پژوهش یک رویکرد ترکیبی ارائه شده است که از ساختار Reduced Ordered Binary Decision Diagram (ROBDD) برای مدل سازی محدودیت های منطقی بین پارامترها استفاده می کند تا تنها ترکیب های معتبر در فرآیند آزمون لحاظ شوند، سپس با به کارگیری ترکیب دو الگوریتم فراابتکاری شامل Particle Swarm Optimization (PSO) و Simulated Annealing (SA) دنباله های آزمون اولیه تولید و بهینه می گردند. در این چارچوب الگوریتم PSO مسئول ایجاد مجموعه های آزمون با پوشش حداکثری است و الگوریتم SA با بهینه سازی ترتیب و حذف آزمون های تکراری کارایی مجموعه را افزایش می دهد. نتایج تجربی نشان می دهد که روش پیشنهادی ضمن تضمین پوشش کامل ترکیب های معتبر تعداد آزمون ها را به میزان قابل توجهی کاهش داده و در نتیجه هزینه و زمان آزمون نرم افزار را بهبود می بخشد. این دستاورد می تواند به بهبود کیفیت و تسریع فرآیند اعتبار سنجی در سیستم های پیچیده کمک کند.

کلیدواژه ها:

آرایه پوششی ، آزمون نرم افزار ، الگوریتم ROBDD ، بهینه سازی فراابتکاری ، تولید دنباله کمینه