اولویت دهی پیشینه محور موارد آزمون بر اساس کارایی کشف خطا و سالمندی در آزمون رگرسیون نرم افزاری
محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,488
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_113
تاریخ نمایه سازی: 26 مهر 1387
چکیده مقاله:
در مرحله نگهداری نرم افزار، پس از هر تغییر جزیی کد، آزمون های جدیدی طراحی می شوندف که اجرای آنها و تمام موارد آزمون قبلی، برای اعتبارسنجی نسخه جدید نرم افزار ضروری است. اجرای مکرر حجم زیاد آزمون ها، هزینه هنگفتی را ب توسعه دهندگان نرم افزار تحمیل می کند و به دلیل محدودیت های منابع، آزمون کامل، اغلب غیر عملی است. برای حل این مشکل، از اولویت دهی موارد آزمون استفاده می شود. مشکل اغلب فنون اولویت دهی موجود این است کع اجرای مکرر آزمونها، تاثیرگذاری کارایی آزمونها در هر گام بر کارایی مراحل بعدی آزمون و نیز محدودیت زمان و منابع آزمون محیط های واقعی اجرای آزمون را نادیده می گیرند. به دلیل همین محدودیت ها، از پیشینه اجراهای قبلی موارد آزمون در اولویت دهی آنها در اجراهای بعدی استفاده می شود. در روش ارایه شده، اولویت دهی بر پایه دو معیار سابقه کشف خطا و سالمندی موارد آزمون انجام می شود. نتایج مظالعات تجربی حاکی از بهبود عملکرد در کشف خطا و پایداری بیشتر نتایج روش فوق است.
کلیدواژه ها:
آزمون رگرسیون نرم افزار ، اولویت دهی موارد آزمون ، اولویت دهی پیشینه محور ، کارایی تاریخی کشف خطا ، سالمندی موارد آزمون
نویسندگان
یلدا فضل علیزاده
دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
علیرضا خلیلیان
دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
محمد عبداللهی ازگمی
دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
سعید پارسا
دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
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 :