خوارزمية متعددة العوامل لاختيار الحالة وترتيبها

محتوى المقالة الرئيسي

Atulya Gupta
Rajendra Prasad Mahapatra

الملخص

اختبار الانحدار باهظ التكلفة ، وهو مفهوم التحسين المطلوب. عادةً ما ينتج عن تحسين حالات الاختبار تحديد مجموعة مصغرة أو مجموعة فرعية من حالات الاختبار أو إعطاء الأولوية لحالات الاختبار لاكتشاف الأخطاء المحتملة في مرحلة سابقة. كشفت العديد من الدراسات السابقة عن آلية تعتمد على الكشف عن مجريات الأمور للوصول إلى الأمثل مع تقليل حالات الاختبار أو تحديد أولوياتها. ومع ذلك ، فقد حُرمت تلك الدراسات من إجراءات منهجية لإدارة قضية حالات الاختبار المقيدة. علاوة على ذلك ، غالبًا ما تساعد الخوارزميات التطورية مثل العملية الجينية في استنفاد حالات الاختبار ، جنبًا إلى جنب مع انخفاض متزامن في وقت التشغيل الحسابي. ومع ذلك ، عند فحص قدرة الكشف عن الخطأ مع المعلمات الأخرى ، فإن الطريقة تقصر. يقترح البحث الحالي ، بدافع من هذا المفهوم ، خوارزمية متعددة العوامل مدمجة مع عوامل وراثية وميزات قوية. يتم تقديم مُحدِّد الأولويات المستند إلى العوامل من أجل المعالجة السليمة لحالات الاختبار المقيدة التي ظهرت أثناء تنفيذ إعادة الطلب. إلى جانب ذلك ، تم تضمين جهاز ضبط دقيق يعتمد على التكلفة (CFT) في الدراسة للكشف عن حالات الاختبار المستقرة للمعالجة. يتم تشريح فعالية النتيجة التي يتم الحصول عليها من خلال نهج التقليل المقترح ومقارنتها بطريقة إرشادية محددة (قائمة على القواعد) ومنهجية وراثية قياسية. يتم إجراء التحقق الداخلي للنتيجة المحققة من إجراء التخفيض بيانياً. قارنت هذه الدراسة التسلسلات التي تم إنشاؤها عشوائيًا مع تسلسل الاختبار الذي تم شراؤه المعاد ترتيبه لأكثر من 10 أكواد معيارية لخطة تحديد الأولويات المقترحة. كشف التحليل التجريبي أن النظام المقترح نجح بشكل كبير في تحقيق انخفاض بنسبة 35-40 ٪ في جهد الاختبار من خلال تحديد وتنفيذ حالات اختبار فعالة ومستقرة للتغطية في مرحلة مبكرة.

تفاصيل المقالة

كيفية الاقتباس
1.
خوارزمية متعددة العوامل لاختيار الحالة وترتيبها. Baghdad Sci.J [انترنت]. 20 يونيو، 2021 [وثق 3 يوليو، 2024];18(2(Suppl.):1056. موجود في: https://bsj.uobaghdad.edu.iq/index.php/BSJ/article/view/5517
القسم
article

كيفية الاقتباس

1.
خوارزمية متعددة العوامل لاختيار الحالة وترتيبها. Baghdad Sci.J [انترنت]. 20 يونيو، 2021 [وثق 3 يوليو، 2024];18(2(Suppl.):1056. موجود في: https://bsj.uobaghdad.edu.iq/index.php/BSJ/article/view/5517

المراجع

Pradhan D, Wang S, Ali S, Yue T, Liaaen M. REMAP: Using Rule Mining and Multi-Objective Search for Dynamic Test Case Prioritization. In 2018 IEEE 11th ICST; 2018; Vasteras. p. 46-57.

Gupta N, Sharma A, Pachariya MK. An Insight Into Test Case Optimization: Ideas and Trends With Future Perspectives. IEEE Access. 2019; 7: 22310-22327.

Alian M, Suleiman D, Shaout A. Test Case Reduction Techniques - Survey. Int J Adv Comput Sci Appl. 2016 Jun; 7(5): 264-275.

Mohapatra SK, Pradhan M. Finding Representative Test Suit for Test Case Reduction in Regression Technique. In 2015 IEEE IC4; 2015; Indore. p. 1-6.

Harris P, Raju N. A Greedy Approach for Coverage-Based Test Suite Reduction. Int Arab J Inf Technol. 2015 Jan; 12(1): 17-23.

Lin CT, Tang KW, Wang JS, Kapfhammer GM. Empirically evaluating Greedy-based test suite reduction methods at different levels of test suite complexity. Sci Comput Program. 2017 Dec; 150: 1-25.

Vahabzadeh A, Stocco A, Mesbah A. Fine-Grained Test Minimization. In 2018 ACM/IEEE 40th Int Conf Softw Eng; 2018; Gothenburg. p. 210- 221.

Jeffrey D, Gupta N. Improving Fault Detection Capability by Selectively Retaining Test Cases during Test Suite Reduction. IEEE Trans Softw Eng. 2007 Feb; 33(2): 108-123.

Agrawal AP, Choudhary A, Kaur A, Pandey HM. Fault coverage-based test suite optimization method for regression testing: learning from mistakes-based approach. Neural Comput Appl. 2020 Jun; 32: 7769–7784.

Singh L, Singh SN, Dawra S, Tuli R. A New Technique for Test Suite Minimization in Regression Testing. SSRN Electron J. 2019 Jan.

Lawanna A. Test case design based technique for the improvement of test case selection in software maintenance. In 2016 55th Annu Conf SICE Jpn; 2016; Tsukuba. p. 345-350.

Lawanna A. Filtering test case selection for increasing the performance of regression testing. Int J Appl Sci Technol. 2016; 9(1): 19-25.

Panda S, Mohapatra DP. Regression test suite minimization using integer linear programming model. Softw Pract Exp. 2017 Nov; 47(11): 1539-1560.

Kazmi R, Jawawi DNA, Mohamad R, Ghani I, Younas M. A Test Case Selection Framework and Technique: Weighted Average Scoring Method. J Telecommun Electron Comput Eng. 2017; 9: 15-22.

Marchetto A, Scanniello G, Susi A. Combining Code and Requirements Coverage with Execution Cost for Test Suite Reduction. IEEE Trans Softw Eng. 2019 Apr; 45(4): 363-390.

Mukherjee R, Patnaik KS. A Survey on Different Approaches for Software Test Case Prioritization. J King Saud Univ - Comput Inf Sci. 2018 Oct.

Beena R, Sarala S. Code coverage based test case selection and prioritization. Int J Softw Eng Appl. 2013; 4(6): 39-49.

Zhou J, Hao D. Impact of Static and Dynamic Coverage on Test-Case Prioritization: An Empirical Study. In 2017 IEEE ICST Workshops; 2017; Tokyo. p. 392-394.

Mirarab S, Tahvildari L. A Prioritization Approach for Software Test Cases Based on Bayesian Networks. Fundam Approaches Softw Eng. 2007; 4422: 276-290.

Carlson R, Do H, Denton A. A clustering approach to improving test case prioritization: An industrial case study. In 2011 27th IEEE ICSM; 2011; Williamsburg. p. 382-391.

Zhao X, Wang Z, Fan X, Wang Z. A Clustering-Bayesian Network Based Approach for Test Case Prioritization. In 2015 IEEE 39th Annu Int Comput Softw Appl Conf; 2015; Taichung. p. 542-547.

Mahmood MH, Hosain MS. Improving Test Case Prioritization Based on Practical Priority Factors. In 2017 8th IEEE ICSESS; 2017; Beijing. p. 899-902.

Khalilian A, Azgomi MA, Fazlalizadeh Y. An improved method for test case prioritization by incorporating historical test case data. Sci Comput Program. 2012; 78(1): 93-116.

Gupta A, Mishra N, Tripathi A, Vardhan M, Kushwaha DS. An Improved History-Based Test Prioritization Technique Technique Using Code Coverage. Adv Comput Commun Eng Technol. 2015 Nov; 315: 437-448.

Anderson J, Salem S, Do H. Improving the effectiveness of test suite through mining historical data. In MSR 2014: Proc 11th Work Conf Min Softw Repos; 2014. p. 142-151.

Noor TB, Hemmati H. A similarity- based approach for test case prioritization using historical failure data. In 2015 IEEE 26th ISSRE; 2015; Gaithersbury, MD. p. 58-68.

Goyal S, Mishra P, Lamichhane A, Gandhi P. Software Test Case Optimization Using Genetic Algorithm. Int J Sci Eng Sci. 2018; 1(12): 69-73.

Bhawna, Kumar G, Bhatia PK. Software Test Case Reduction using Genetic Algorithm: A Modified Approach. Int J Innov Sci Eng Technol. 2016 May; 3(5): 349-354.

Priyanka, Kumar R, Nipur. Generation of optimized and effective test case : A proposed model. Int J Eng Sci Math. 2017 Jul; 6(3): 115-123.

Mateen A, Nazir M, Awan SA. Optimization of Test Case Generation using Genetic Algorithm (GA). Int J Comput Appl. 2016 Oct; 151(7): 6-14.

Akour M, Abuwardih L, Alhindawi N, Alshboul A. Test Case Minimization using Genetic Algorithm: Pilot Study. In 2018 8th Int Conf CSIT; 2018. p. 66-70.

Serdyukov KE, Avdeenko TV. Using genetic algorithm for generating optimal data sets to automatic testing the program code. Inf Technol Nanotechnol. 2019 Jan;: 173-182.

المؤلفات المشابهة

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.