تولید خودکار دادگان آزمون به کمک شبکه عصبی

یکی از مراحل مهم آزمون نرم افزار شئ گرا، آزمون مستقل اشیا است. آزمون مستقل اشیا با دو مشکل روبه رو است: اولا شئ مورد فراخوانی ممکن است روش هایی از اشیا دیگر را فراخوانی کند و در نتیجه بررسی مستقل آن ممکن نباشد. ثانیا روش های فراخوانی شده ممکن است زمان بر باشند و باعث شوند آزمون شئ مورد نظر طولانی شود. یک راه حل برای رفع دو مشکل فوق، استفاده از اشیا جاعل است. اشیا جاعل روش های مورد فراخوانی را شبیه سازی کند. اشیا جاعلی که تاکنون معرفی شده اند مبتنی بر جدول هستند و خود از مشکلات زمان بر بودن و مهمتر از آن عدم توانایی در شبیه سازی دقیق روش ها رنج می برند. از سوی دیگر دادگان آزمون کم می باشد و تولید خودکار موارد آزمون با حداکثر میزان پوشش مسیرهای اجرایی در برنامه های مورد آزمون مورد توجه بوده است. این مقاله شامل دو بخش پیشنهادی است، در بخش اول مقاله با استفاده از شبکه های عصبی عملکرد توابع خطی درون برنامه ها شبیه سازی می شود. همچنین با به کارگیری الگوریتم ژنتیک، بهترین زیر مجموعه از ورودی ها برای آموزش شبکه عصبی را از بین مجموعه بزرگی از ورودی-ها که به صورت تصادفی ایجاد شده اند، در بخش دوم تعیین می شود. در این تحقیق یک شئ جاعل مبتنی بر شبکه عصبی پیشنهاد می-گردد که هر دو مشکل اشیا جاعل مبتنی بر جدول را رفع کند. آزمایش ها روی توابع ریاضی، منطقی و گسسته نشان می دهد که روش پیشنهادی در هر دو بخش، عملکرد مناسبی داشته اند.