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
جستجوی مقالات مرتبط با کلیدواژه

mutation testing

در نشریات گروه پدافند غیرعامل
تکرار جستجوی کلیدواژه mutation testing در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه mutation testing در مقالات مجلات علمی
  • صادق بجانی*، امیرحسین کی منش

    تولید داده آزمون، یکی از بخش های پرهزینه در آزمون نرم افزار است که با توجه به موارد آزمون طراحی شده، انجام می شود. مسیله ی طراحی موارد آزمون و سپس تولید داده آزمون بهینه، یکی از چالش های موجود در آزمون نرم افزار، ازجمله فن آزمون جهش است. آزمون جهش، این توانایی را دارد که کیفیت موارد آزمون را بسنجد و موارد آزمون باکفایت را مشخص نماید. بااین حال، برای انجام آزمون جهش، به مجموعه آزمونی نیاز است که بتواند کد منبع را به صورت حداکثری پوشش دهد و از این طریق، توانایی شناسایی خطاهای برنامه را داشته باشد. در این مقاله، از فنون پوشش کد، برای طراحی موارد آزمون و از الگوریتم فرا-ابتکاری FA-MABC برای تولید خودکار داده آزمون بهینه، استفاده می شود. نتایج این کار، مجموعه آزمونی است که می تواند حداکثر خطوط کد منبع را پوشش داده و آزمون کند. چنین مجموعه آزمونی، توانایی بالایی در شناسایی خطاهای برنامه دارد و در آزمون جهش، امتیاز بالایی کسب می کند. در روش پیشنهادی، برای رسیدن به موارد آزمون موثر، ابتدا موارد آزمون طراحی شده، در آزمون جهش اعمال می شوند و با استفاده از جدول جهش های خاموش شده، موارد آزمون موثر استخراج می شوند. نتایج ارزیابی، نشان می دهد که الگوریتم FA-MABC، موجب کاهش هزینه زمانی در تولید داده آزمون می شود و معیار پوشش «شرط اصلاح شده / تصمیم»، موجب افزایش امتیاز جهش می شود.

    کلید واژگان: تولید خودکار داده آزمون بهینه، آزمون جهش، الگوریتم FA-MABC، پوشش کد، موارد آزمون موثر
    Sadegh Bejani *, AmirHossein Keymanesh

    Test data generation is one of the costly parts of the software testing, which is performed according to the designed test cases. The problem of designing test cases and then generating optimized test data is one of the challenges of the software testing, including the mutation testing technique. mutation testing has the ability to measure the test cases quality and determine the adequate test cases. However, to perform mutation testing, you need a test set that provides the maximize Coverage of source code and thus have the ability to identify the program errors. In this work, we use code coverage techniques to design test cases and automatically generate optimized test data using the meta-heuristic FA-MABC algorithm. The results are a test suite that cover and test the maximum number of source code lines. Such test suite is more likely to identify errors and get a higher score in the mutation testing. In the proposed method to obtain effective test cases, first generated test cases are applied to mutation testing and then effective test cases are extracted using the Extinguished mutation table. The results of the evaluation show that the FA-MABC algorithm reduces the time of the test data generation, and “modified condition / decision coverage”, increases the mutation score.

    Keywords: Automatically Generate Optimized Test Data, Mutation Testing, FA-MABC Algorithm, code coverage, Effective Test Cases
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال