سید محمد عقیلی - دانشجوی ارشد گره مهندسی کامپیوتر، دانشکده فاوا، دانشگاه جامع امام حسین (ع)، تهران، ایران
علی کریمی - استادیار گروه مهندسی کامپیوتر، دانشگاه جامع امام حسین (ع)، تهران، ایران
اسماعیل بسطامی - پژوهشگر دانشگاه جامع امام حسین (ع)، تهران، ایران

ایجاد هر گونه تغییر در کد نرم افزار، باعث ایجاد نسخه جدیدی در نرم افزار می شود. به منظور حصول اطمینان از صحت عملکرد نسخه جدید نرم افزار، نیازمند طراحی آزمون های جدید و نیز انجام مجدد تمام آزمون های قبلی هستیم. این فرایند، آزمون رگرسیون نرم افزار نامیده می شود. به دلیل محدودیت منابع و زمان آزمون، اجرای مجدد این حجم زیاد و رو به توسعه آزمون ها مقرون به صرفه نبوده و هزینه زیادی را تحمیل می کند. از مهم ترین فنون ارایه شده برای غلبه بر مشکل آزمون رگرسیون، کاهش و اولویت بندی موارد آزمون است. منظور از کاهش، انتخاب و اجرای مهم ترین موارد آزمون،برحسب معیار شایستگی است و منظور از اولویت بندی، چینش دوباره موارد آزمون براساس معیارهای مشخصی، کشف حداکثر خطاهای نرم افزار است. مشکل عمده اغلب فنون کاهش و اولویت بندی موجود، نادیده گرفتن تفاوت بین هزینه آزمون و محدودیت زمان و منابع در محیط واقعی اجرای آزمون بود. در این مقاله، روشی برای کاهش و اولویت بندی موارد آزمون مبتنی بر الگوریتم های بهینه سازی حریصانه و ژنتیک بر پایه ی دو معیار پوشش و هزینه زمان اجرای هر مورد آزمون به ویژه در آزمون رگرسیون، ارایه شده است. مقایسه نتایج حاصل از پیاده سازی روش پیشنهادی و نتایج اجرای الگوریتم های پایه نشان می دهد که روش پیشنهادی تا حد مطلوبی بهبود یافته است.

آزمون نرم افزار، آزمون رگرسیون، اولویت بندی موارد آزمون، کاهش موارد آزمون