به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
فهرست مطالب نویسنده:

v. rafe

  • سجاد اسفندیاری، لیلا یوسفوند، عین الله پیرا، وحید رافع*
    لزوم افزایش استفاده از آزمون ترکیبی در نرم افزارهای امروزی به امری ضروری در توسعه نرم افزار تبدیل شده است. آزمون ترکیبی یا آزمون t-way راهکاری کارآمد در کاهش حجم مجموعه آزمون است به نحوی که می توان نرم افزار را با نمونه آزمون های کمتری مورد آزمون قرار داد. پوشش آرایه یکی از شاخه های مهم در آزمون ترکیبی است که انواع مختلفی دارد . راهکار های فراوانی برای تولید آن ارائه شده است که کارایی (سرعت) و بهره وری (اندازه آرایه) مناسبی را دارند. اما خلاء راهکار ای که هر دو خصوصیت کارایی و بهره وری را توامان داشته باشد به چشم می خورد. در این پژوهش سعی شده است با استفاده از الگوریتم جستجوی گرانشی و تغییر در نحوه انتخاب همسایه ها، موفق به تولید مجموعه آزمون بهینه شده ایم و هچنین با تغییر در ساختمان داده ها و وزن دهی به پارامترهای پوشش داده نشده سرعت تولید مجموعه آزمون را افزایش داده ایم. وزن دهی به پارامترهای پوشش داده نشده و تغییر در رفتار الگورتیم گرانشی سبب جستجوی هوشمندانه جهت یافتن نمونه آزمون های پوشش داده نشده، شده است. افزایش سرعت باعث شده است که راهکار پیشنهادی توان تولید مجموعه آزمون برای پیکربندی های بزرگ را داشته باشد و همچنین نتایج آزمون نشان می دهد که راهکار پیشنهادی از الگوریتم های مطرح مانند الگوریتم ژنتیک، الگوریتم جستجوی توده ذرات و حتی خود الگوریتم جستجوی گرانشی نتایج بسیار بهتری را دارد.
    کلید واژگان: آزمون ترکیبی، آزمون نرم افزار، الگوریتم جستجوی گرانشی
    S. Esfandyari, L. Yousofvand, E. Pira, V. Rafe *
    The need to increase the use of Combinatorial Testing (CT) in software testing has become a necessity in software development. CT is an efficient approach to reduce the size of the test suite so that the software can be tested with fewer test cases. Covering Array (CA) is one of the important branches in CT, which has different types. Many solutions have been provided for its production, which have appropriate efficiency (array size) and performance (speed). But there is a lack of a solution that has both efficiency and performance. In this research, we have tried to produce an optimized test suite(with the minimum number of test cases) by using the gravitational search algorithm(GSA) and changing the neighbor selection method. Also, by changing the structure of the data and giving weight to the parameters not covered, we have increased the speed of producing the test suite. The weighting of non-covered parameters and the change in the behavior of the gravity algorithm have caused a smart search to find non-covered test cases. This increase in speed has made the proposed solution capable of producing test suites for high-power configurations. Also, the evaluation results show that the proposed solution outperforms other popular algorithms such as the genetic algorithm, the particle mass search algorithm, and even the gravity search algorithm itself.
    Keywords: Software Testing, Combinatorial Testing (CT), Covering Array (CA), Gravitational Search Algorithm (GSA)
  • عین الله پیرا*، وحید رافع، سجاد اسفندیاری
    تست جامع سیستم های نرم افزاری با تعداد زیادی پارامتر ورودی و ترکیبات بین آنها اغلب باعث وقوع مشکل انفجار ترکیبی می شود. تست ترکیبی t-ستونی تکنیکی است که با تولید آرایه ای از نمونه های تست به پوشش حداکثری ترکیبات ما بین پارامترهای ورودی می پردازد. تولید آرایه پوشش کمینه یک مساله بهینه سازی است که الگوریتم های فراابتکاری زیادی از جمله بهینه سازی مبتنی بر آموزش و یادگیری، ازدحام توده ذرات، ژنتیک و الگوریتم جستجوی فاخته برای حل آن به کار رفته اند. اگر چه این الگوریتم ها توانسته اند آرایه های پوشش با اندازه های کوچک تر را تولید کنند ولی هنوز کمینه سازی کامل انجام نشده است. در این مقاله، یک استراتژی جدیدی برپایه الگوریتم تکامل تفاضلی تطبیقی مبتنی بر تاریخچه موفقیت و کاهش خطی اندازه جمعیت (معروف به LSHADE) که جزو برندگان کنگره IEEE در محاسبات تکاملی است، جهت تولید آرایه پوشش کمینه ارایه می کنیم. نتایج آزمون فریدمن نشان می دهند که استراتژی LSHADE دارای اولین رتبه از نظر معیارهای تولید آرایه پوشش با کمترین اندازه و کمترین تعداد متوسط فراخوانی های الگوریتمی در مقایسه با استراتژی های مبتنی بر ریاضی از جمله TConfig، حریصانه از جمله IPOG، Jenny وPICT و فراابتکاری از جمله GS، TLBO،HC-BAT، PSTG، WOA، BAPSO و GSTG است. در حالی که، از نظر معیارهای تعداد متوسط ارزیابی های تابع محاسبه وزن و متوسط زمان اجرا، این استراتژی بعد از استراتژی GS، دارای اولین رتبه است. ضمنا، نمودارهای همگرایی سرعت همگرایی بالای این استراتژی را در مقایسه با استراتژی های فراابتکاری دیگر تایید می کنند.
    کلید واژگان: تست جامع، انفجار ترکیبی، آزمون t-ستونی، آرایه پوشش کمینه، الگوریتم تکامل تفاضلی
    E. Pira *, V. Rafe, S. Esfandyari
    Exhaustive testing of software systems with a large number of input parameters and combinations between them often causes the problem of combinatorial explosion. Combinatorial t-way testing is a technique that generates an array of test cases to maximize combinations covering of between input parameters. Generating a minimum covering array is an optimization problem that many strategies based on metaheuristic algorithms such as teaching and learning based optimization, particle swarm optimization, and genetic and cuckoo search algorithms have been used for solving it. Although these strategies have produced smaller covering arrays, complete minimization has not yet been performed. In this paper, we propose a new strategy based on the success-history and linear population size reduction based adaptive differential evolution algorithm (so-called LSHADE), which is one of winners of IEEE CEC competitions, to generate minimum covering array. The results of Friedman mean rank show that the LSHADE strategy has the first rank in terms of generating the covering array with the lowest size and the lowest average number of algorithmic calls, compared to mathematics based strategies such as TConfig, greedy strategies such as IPOG, Jenny and PICT and meta-heuristics such as GS, TLBO, HC-BAT, PSTG, WOA , BAPSO and GSTG. While, in terms of the average number of fitness function evaluations and the average runtime, this strategy has the first rank after the GS strategy. Moreover, the convergence diagrams confirm the high convergence speed of this strategy compared to the other meta-heuristic strategies.
    Keywords: Exhaustive testing, combinatorial explosion, t-way testing, minimum covering array, differential evolution
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال