Тип публикации: статья из журнала
Год издания: 2019
Ключевые слова: genetic algorithm, program testing, software engineering, metrics of code, генетический алгоритм, тестирование, программная инженерия, метрики кода
Аннотация: В данной статье рассматриваются способы определения сложности программного кода для формирования входных данных при тестирования программного кода. Несмотря на попытки автоматизировать процесс тестирования полная автоматизация возможна не для всех его этапов. Однако некоторые подпроцессы можно попытаться автоматизировать, например,Показать полностьюформирование наборов данных для последующего тестирования. Сложность автоматизации этого этапа связана с тем, что данные сложно подобрать из-за большого числа возможных комбинаций. Поэтому для решения данной задачи особую ценность представляют эвристические подходы, которые не перебирают все возможные варианты, например, генетические алгоритмы. Использование генетического алгоритма позволяет найти достаточно большое число комбинаций, каждая из которых будет проверять определенный путь. При этом целевая функция, которая использует веса операций, может быть рассчитана разными способами. В данной статье определяются способы расчёта операндов для определения наиболее сложного пути при генерации тестовых данных на основе генетического алгоритма. In this article we propose methods for determining the complexity of program code for generating input data in program code testing. Despite the attempts to automate the testing process, full automation is not possible for all stages. However, you can try to automate some subprocesses, such as generating datasets for later testing. The complexity of the automation of this stage is due to the fact that the data is difficult to select due to the large number of possible combinations. Therefore, to solve this problem, heuristic approaches that do not sort out all possible options, for example, genetic algorithms, are of particular value. Using the genetic algorithm allows you to find a fairly large number of combinations, each of which will check a specific path. Moreover, the objective function, which uses the weights of operations, can be calculated in different ways. This article defines methods for calculating operands to determine the most difficult path when generating test data based on a genetic algorithm.
Журнал: Южно-Сибирский научный вестник
Выпуск журнала: № 4-2
Номера страниц: 65-69
ISSN журнала: 23041943
Место издания: Бийск
Издатель: Алтайский государственный технический университет им. И.И. Ползунова, Институт проблем химико-энергетических технологий СО РАН, Общество с ограниченной ответственностью "Малое инновационное предприятие "Политех", ООО "Центр ультразвуковых технологий"