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

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,868

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC15_005

تاریخ نمایه سازی: 26 مهر 1388

چکیده مقاله:

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.

کلیدواژه ها:

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

نویسندگان

علیرضا خلیلی یان

دانشگاه آزاد اسلامی واحد دماوند

آرمان مهربخش

عضو هیات علمی دانشگاه آزاد اسلامی واحد لاهیجان

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 :
  • 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