انتخاب موارد آزمون جهت اجرای آزمون رگرسیون با استفاده از اتاماتای یادگیر و الگوریتم ژنتیک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE08_187

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

آزمون رگرسیون یک فعالیت اجتناب ناپذیر و پرهزینه است که برای اطمینان از اعتبار نسخه جدید نرم افزار در یک زمان صورت می گیرد. آنچه مسلم است آزمون رگرسیون را نباید درگیر اجرای کل مجموعه آزمون کرد بلکه استخراج تنها زیرمجموعه ای از آن که بتواند تمام خطاها را کشف کند کافی است. در این تحقیق انتخاب موارد آزمون با استفاده از اتوماتای یاد گیر و الگوریتم ژنتیک جهت انتخاب موارد آزمون ها با پوشش حداکثر خطا در حداقل زمان اجرا پیشنهادشده است.اتوماتای یاد گیر عاملی است که برای قرار گرفتن در محیطی احتمالی و غیرقطعی طراحی شده است. هر عمل انتخاب شده توسط اتوماتا در یک محیط احتمالی ارزیابی می شود و نتیجه ارزیابی به اتوماتا داده می شود و اتوماتا از این پاسخ در انتخاب عمل بعدی تاثیر می گیرد. هدف این است که اتوماتا بتواند بهترین عمل را از بین اعمال خود انتخاب کند. الگوریتم پیشنهادی یک رویکرد خوش بینانه فراهم می کند که بهترین نتایج مطلوب در حداقل زمان است.

نویسندگان

مهدیه افشاری

گروه کامپیوتر دانشگاه غیرانتفاعی جاوید جیرفت جیرفت ، ایران

بهنام قوامی

عضو هیات علمی گروه کامپیوتر دانشگاه شهید باهنر کرمان کرمان ، ایران

معصومه انصاری فر

عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلا می واحد کهنوج کهنوج ، 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 :
  • آرستگاره.میبدی، م . " یک الگوریتم تکاملی تخمین توزیع جدید ...
  • شماره 2 پاییزوزمستان 1383 ...
  • Conference on Software Ma intenanc e, pages 348-357, 1993. ...
  • Rothermel. G, Untch .R.H, Chu. C, and Harrold. M.J, *Prioritizing ...
  • Singh, A. 2012. Prioritizing Test Cases in Regression testing using ...
  • Duggal .G, Suri _ B _ _ 'Understand ing Regression ...
  • Suri, B., Mangal, I., & Srivastava, V. 2011. Regression Test ...
  • Suri, B., & Singhal, S. 2011. Implementing Ant colony optimization ...
  • International Journal on Computer Science and Engineering, 3(5): 1924-19325. ...
  • Suri, B., & Mangal, I. 2012. Analyzing Test Case Selection ...
  • Bhasin . H , Deepkiran. M , _ Novel Approach ...
  • Sehrawat, R., Srivastava, V., & Mangal, I. A Neuro- Genetic ...
  • Singh ; Sachin Kumar Futuristic Trends on Computational Analysis and ...
  • نمایش کامل مراجع