ترجمه مقاله به حداقل رساندن مجموعه های آزمون در خطوط تولید نرم افزار با الگوریتم های ژنتیک مبتنی بر وزن - نشریه ACM

قیمت خرید این محصول

۳۷,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

به حداقل رساندن مجموعه های آزمون در خطوط تولید نرم افزار با استفاده از الگوریتم های ژنتیک مبتنی بر وزن

عنوان انگلیسی

Minimizing Test Suites in Software Product Lines Using Weight-based Genetic Algorithms

صفحات مقاله فارسی

24

صفحات مقاله انگلیسی

8

سال انتشار

2013

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

ACM

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

کنفرانس

کد محصول

10231

وضعیت ترجمه منابع داخل متن

درج نشده است ☓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

ضمیمه

ندارد

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی کامپیوتر، مهندسی نرم افزار، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات، طراحی و تولید نرم افزار

کنفرانس

مجموعه مقالات پانزدهمین کنفرانس سالانه محاسبه ژنتیکی و تکاملی - Proceedings of the 15th annual conference on Genetic and evolutionary computation

دانشگاه

آزمایشگاه تحقیقاتی سیمولا، گروه انفورماتیک، دانشگاه اسلو، نروژ

کلمات کلیدی

به حداقل رساندن آزمایش، پوشش جفتی ویژگی، قابلیت تشخیص خطا، GA مبتنی بر وزن

کلمات کلیدی انگلیسی

Test minimization - feature pairwise coverage - fault detection capability - weight-based GAs

doi یا شناسه دیجیتال

https://doi.org/10.1145/2463372.2463545

فهرست مطالب

چکیده
مقدمه
زمینه
مجموعه آزمایش بر اساس FM و CFM
توضیحات GA های مبتنی بر وزن انتخاب شده
توضیح مشکل و تابع تناسب
توضیح مشکل
تعاریف و کارکرد های سه هدف
قابلیت تشخیص خطا (FDC)
تابع تناسب
مطالعات موردی و ارزیابی تجربی
مطالعات موردی
مطالعه موردی صنعتی
ارزیابی تجربی
سوالات تحقیق
تنظیمات آزمایش
آزمون های آماری
نتایج و تجزیه و تحلیل
تهدیدات مربوط به اعتبار
مطالعات مرتبط
نتیجه گیری و مطالعات آینده

نمونه چکیده متن اصلی انگلیسی

ABSTRACT

Test minimization techniques aim at identifying and eliminating redundant test cases from test suites in order to reduce the total number of test cases to execute, thereby improving the efficiency of testing. In the context of software product line, we can save effort and cost in the selection and minimization of test cases for testing a specific product by modeling the product line. However, minimizing the test suite for a product requires addressing two potential issues: 1) the minimized test suite may not cover all test requirements compared with the original suite; 2) the minimized test suite may have less fault revealing capability than the original suite. In this paper, we apply weight-based Genetic Algorithms (GAs) to minimize the test suite for testing a product, while preserving fault detection capability and testing coverage of the original test suite. The challenge behind is to define an appropriate fitness function, which is able to preserve the coverage of complex testing criteria (e.g., Combinatorial Interaction Testing criterion). Based on the defined fitness function, we have empirically evaluated three different weightbased GAs on an industrial case study provided by Cisco Systems, Inc. Norway. We also presented our results of applying the three weight-based GAs on five existing case studies from the literature. Based on these case studies, we conclude that among the three weight-based GAs, Random-Weighted GA (RWGA) achieved significantly better performance than the other ones.

نمونه چکیده ترجمه متن فارسی

چکیده
هدف تکنیک های به حداقل رساندن آزمون، شناسایی و حذف آزمون های اضافی از مجموعه های آزمون برای کاهش تعداد کل آزمون های اجرایی، و بنابراین بهبود کارآیی آزمون می باشد. در مورد خط محصول نرم افزار، می توانیم در انتخاب و به حداقل رساندن موارد آزمون برای آزمایش یک محصول خاص با مدل سازی خط محصول، برای صرفه جویی در هزینه تلاش کنیم. با این حال، به حداقل رساندن مجموعه آزمون برای یک محصول مستلزم بررسی دو مسئله بالقوه است: 1) مجموعه آزمون حداقل شده، در مقایسه با مجموعه اصلی، نمی تواند شامل همه الزامات آزمون باشد؛ 2) ممکن است مجموعه آزمون حداقل شده، قابلیت تشخیص خطای کم تری نسبت به مجموعه اصلی داشته باشد. در این مطالعه، از الگوریتم های ژنتیک مبتنی بر وزن (GAs) در به حداقل رساندن مجموعه آزمون برای آزمایش یک محصول استفاده می شود، در حالی که قابلیت تشخیص خطا و پوشش آزمایش مجموعه آزمون اصلی حفظ می شوند. چالش اصلی، تعریف یک تابع تناسب مناسب است که می تواند پوشش معیارهای آزمایش پیچیده را حفظ کند (به عنوان مثال، معیار آزمایش تعامل ترکیبی). بر اساس تابع تناسب تعریف شده، سه GAs مبتنی بر وزن متفاوت به صورت تجربی در یک مطالعه موردی صنعتی ارائه شده توسط شرکت سیستم های سیسکو در نروژ ارزیابی شده اند. علاوه بر این، نتایج اعمال سه GA مبتنی بر وزن در پنج مطالعه موردی از ادبیات ارائه شده اند. بر اساس این مطالعات موردی، نتیجه می گیریم که در میان سه GA مبتنی بر وزن، GA با وزن تصادفی (RWGA) نسبت به سایر موارد، به عملکرد بهتری دست یافته است.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر