بهینه سازی و تسریع فرایند کشف خطا در آزمون رگرسیون نرم افزار

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,898

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSICC15_005

تاریخ نمایه سازی: 26 مهر 1388

Abstract:

یکی از عملیات مهم در چرخه ی حیات یک نرم افزار، آزمون رگرسیون است که در مرحله ی نگهداری نرم افزار به دفعات انجام می شود. آزمون رگرسیون در هر اجرا باید تعداد انبوهی از موارد آزمون را روی نرم افزار اجرا نماید. با گذشت زمان، حجم مجموعه آزمون آنقدر بزرگ می شود که اجرای همه آنها غیرعملی می گردد. برای حل این مشکل از فنون کاهش مجموعه آزمون ا ستفاده می شود .متاسفانه کاهش حجم، منجر به ازدست رفتن کارایی مجموعه در کشف خطا می گردد برای برطرف نمودن این مشکل در این مقاله یک الگوریتم کارا ارائه شده است این الگوریتم بااستفاده از خوشه بندی الگوهای اجرای موارد آموزن، افزونگی را از مجموعه حذف می نماید. در جریان نمونه گیری از هر خوشه، مورد آزمونی که بیشترین پوشش نیازمندی ها را تامین می کند. انتخاب خواهد شد. جهت ارزیابی الگوریتم پیشنهادی، آزمایشهای مشابه مطالعات پیشین روی برنامه های محک زیمنس ترتیب یافته است. نتایج آزمایشها نشان میدهد که الگوریتم پیشنهادی قادر است ضمن کاهش قابل ملاحظه اندازه ی مجموعه ها، قدرت کشف خطای آنها را بهبود دهد.

Keywords:

آزمون رگرسیون نرم افزار , معیار آزمون , کاهش مجموعه آزمون , کمینه سازی مجموعه آزمون , کارایی در کشف خطا

Authors

علیرضا خلیلی یان

دانشگاه آزاد اسلامی واحد دماوند

آرمان مهربخش

عضو هیات علمی دانشگاه آزاد اسلامی واحد لاهیجان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • S. Mirarabbaygi, A Bayesian Framework for Software Regression Testing, Master ...
  • M. J. Harrold, R. Gupta, and M. L. Soffa, "A ...
  • G. Rothermel, M. J. Harrold, J. von Ronne, and C. ...
  • H. Zhong, L. Zhang, H. Mei, "An experimental study of ...
  • D. Jeffrey and N. Gupta, "Improving Fault Detection Capability by ...
  • P. Ammann, J Offutt, Introduction o Software Testing, Cambridge University ...
  • W. E. Wong, J. R. Horgan, S. London, and H. ...
  • th International Symposium _ Software Reliability Engineering, pp. 230-238, 1997. ...
  • M. R. Garey and D. S. Johnson, Computers and Intractability: ...
  • J. Black, E. Melachri noudis , and D. Kaeli, "Bi-Criteria ...
  • G. Rothermel, M. J. Harrold, J. Ostrin, and C. Hong, ...
  • S. Sprenkle, S. Sampath, E. Gibson, A. Souter, and L. ...
  • J. A. Jones and M. J. Harrold, "Test-Suite Reduction and ...
  • IEEE Transactions On Software Engineering, vol. 29, No. 3, pp. ...
  • S. McMaster and A. Memon, "Call Stack Coverage for Test ...
  • B. Marick, The Craft of Software Testing: Subsystem Testing, Prentice ...
  • D. Leon and A. Podgurski, " A Comparison of Coverage- ...
  • Based and Distribution-f ased Techniques for Filtering and Prioritizing Test ...
  • D. Leon, A. Podgurski and L. J. White, "Multivariate visualization ...
  • G. Rothermel, S. Elbaum, A. Kinneer, H. Do. Software- i ...
  • SAS 9.1.3 D ocumentation, SAS/GRAPH 9.1 Reference, http:/sup ...
  • port. S as _ _ O m/documentat on/onlinedoc? 1pdf/index_9 13. ...
  • I. H.Witten, E. Frank, Data mining: practical machine learning tools ...
  • J. E. Freund, Mathematicat Statistics, 5th ed., Prentice- Hall, 1992. ...
  • نمایش کامل مراجع