بهبود پیش بینی خروجی مورد انتظار در تولید خودکار اوراکل آزمون
آزمون نرم افزار از فعالیت های مهم چرخه حیات نرم افزار است که برای بهبود کیفیت نرم افزار مورد استفاده قرار می گیرد. برای کاهش هزینه های آزمون، محققان سعی کرده اند که آن را خودکار نمایند. اما آزمون به اوراکل نیاز دارد و خودکارسازی تولید اوراکل نیز لازم می شود. اوراکل روالی برای تولید خروجی مورد انتظار و تعیین اجرای موفق نرم افزار حین آزمون است. برای تولید خودکار اوراکل آزمون باید رفتار نرم افزار مدل سازی شود و دامنه ورودی به خروجی نگاشت یابد. این کار معمولا ازطریق ساخت مدل یادگیری روی نمونه های آزمایشی صورت می گیرد. اما گاهی داده ها جزئیات کافی ندارد تا مدل، رفتار دقیق را یاد بگیرد و دقت تولید اوراکل کاهش می یابد. برای حل این مشکل، در این مقاله، روشی بهبودیافته برای تولید خودکار اوراکل آزمون ارائه می شود. این روش اطلاعاتی از پوشش کد نرم افزار تحت آزمون استخراج می کند. سپس آن را به مدل یادگیر تزریق می نماید تا جزئیات بیش تری در اختیار مدل قرار گیرد و دقت پیش بینی افزایش یابد. روش پیش نهادی بااستفاده از برنامه های تی کس و اسکجول از مجموعه محک زیمنس مورد ارزیابی قرار گرفته است. در آزمایش ها روش پیشنهادی روی برنامه تی کس دقت 95/97 و روی برنامه اسکجول دقت 27/60 نشان داد. روش پیش نهادی به مشخصات کامل نرم افزار تحت آزمون نیاز ندارد. پس کافی است اطلاعات مربوط به نوع و تعداد متغیرهای ورودی برنامه تحت آزمون مهیا باشد. به این ترتیب میزان دخالت انسانی در تولید خودکار اوراکل آزمون کاهش می یابد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.