استفاده از الگوریتم بهینه سازی کلونی زنبور عسل

استفاده از الگوریتم بهینه سازی کلونی زنبور عسل برای اولویت بندی نمونه تستهادر یک مجموعه تست رگرسیون بر پایه ماکسیمم پوشش خطا

A Bee Colony Optimization Algorithm for Fault Coverage Based Regression Test Suite Prioritization

چکیده:

به فرایند شناسایی یک نرم افزار اصلاح شده در فاز نگهداری آن تست رگرسیون گفته می شود. اندازه تست رگرسیون و فرایند انتخاب آن از پیچیدگی خاصی به علت زمان بر بودن آن و محدودیت بودجه برای تست کنندگان این روش برخوردار است. در این مقاله تحقیقاتی، از الگوریتم بهینه سازی کلونی زنبورعسل (BCO) برای اولویت بندی نمونه تستها در یک مجموعه تست رگرسیون بر پایه پوشش کامل خطاها استفاده میشود. در کلونی زنبور عسل دو نوع زنبور عسل کارگر وجود دارد، زنبور عسل دیده بان و زنبور عسل شکارچی که مسئولیت آنها گسترش و بقای کلونی است. الگوریتم کلونی زنبور عسل که برای پوشش خطاها در تست رگرسیون گسترش یافته است بر پایه رفتار این دو نوع زنبور شکل گرفته است. با استفاده از دو مثال که نتایج آنها با راه حل ایده آل مقایسه شده است توانسته ایم تا الگوریتم کلونی زنبور عسل را در جهت پیدا سازی حداکثر میزان خطاها در هر تست در حداقل ترین زمان اجرایی ممکن فرموله بندی کنیم. میانگین درصد عیب یابی و کشف خطا (APFD) و نمودارهای آن برای نشان دادن میزان سودمندی و موثر بودن الگوریتم پیشنهاد شده در انتها مورد بررسی قرار گرفته است.

Keywords: Bee Colony Optimization, Regression Testing.

(International Journal of Advanced Science and Technology 2011)

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 14 صفحه pdf و مربوط به سال 2011 می باشد.)