BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Żukowicz Marek (Rzeszow University of Technology, Poland)
Tytuł
Benefits of an Application of Evolutionary Strategy in the Process of Test Data Generation
Korzyści wynikające z zastosowania strategii ewolucyjnych w procesie generowania danych testowych
Źródło
Management Systems in Production Engineering, 2016, vol. 2(22), s. 106-109, bibliogr. 24 poz.
Słowa kluczowe
Testy
Tests
Uwagi
streszcz., summ.
Abstrakt
Celem artykułu jest podkreślenie zalet, które można uzyskać poprzez zastosowanie strategii ewolucyjnych w testowaniu, a konkretnie w procesie generowania danych testowych. Pierwszy rozdział wprowadza czytelnika do tematu artykułu. Prezentuje informacje na temat problemu jakości, przydatności danych testowych oraz kryteria jakości danych testowych. Drugi rozdział stanowi przegląd publikacji, w których poruszony jest problem generowania danych testowych za pomocą strategii ewolucyjnych. Zaprezentowane są w tym rozdziale różne podejścia rozwiązujące problem optymalizacji danych testowych. Trzeci rozdział przedstawia korzyści, które zdaniem autora wynikają z zastosowania strategii ewolucyjnych w procesie generowania danych testowych. Wyciągnięte również zostały wnioski z artykułu, książek wymienionych w bibliografii oraz autora artykułu, jako osoby testującej praktycznie. Ostatni rozdział oprócz podsumowania i wniosków, zawiera propozycje autora sugerujące dla jakich problemów związanych z testowaniem warto zastosować strategie ewolucyjne. (abstrakt oryginalny)

The aim of the article is to highlight the advantages that can be obtained through the use of evolutionary strategy in software testing, specifically in the process of test data generation. The first chapter introduces the reader to the topic of the article. Presents information of the problem of software quality, test data fitness and quality criteria. The second chapter provides an overview of the publication in which is described the test data generation problem by using evolutionary strategies. In this chapter there are presented, different approaches to address the optimization problem of test data selection. The third chapter sets out the advantages which in the opinion of the author result from the application of evolutionary strategy in the process of test data generation. In this section have been drawn conclusions from the article, from books listed in the bibliography. The author of the article presents advantages of evolutionary strategy too as a person, which tests a software in practise. The last chapter in addition to summaries and conclusions, proposes the author to suggest in which issues related to testing could be used evolutionary strategie. (original abstract)
Pełny tekst
Pokaż
Pokaż
Bibliografia
Pokaż
  1. S.G. Ahmed. Automatic generation of basis test paths using variable length genetic algorithm, Journal Infor-mation Processing Letters, Volume 114 Issue 6, June, 2014, pp. 304-316.
  2. R. Alavi, S. Lofti. The New Approach for Software Testing Using a Genetic Algorithm Based on Clustering Initial Test Instances, International Conference on Computer and Software Modeling 2011, IPCSIT vol.14 (2011).
  3. E. Alba, F. Chicano. Observations in using parallel and sequential evolutionary algorithms for automatic soft-ware testing, Computers & Operations Research, Vol. 35 Issue 10, October 2008, pp. 3163-3183.
  4. A. Aleti, L. Grunske. Test data generation with a Kalman filter-based adaptive genetic algorithm, The Journal of Systems and Software Vol. 103, May 2015 pp. 343-352.
  5. M. Alshraideh, B.A. Mahafzah, S. Al-Sharaeh. A multiple-population genetic algorithm for branch coverage test data generation, Software Quality Journal, Vol. 19, Volume 19, Issue 3 September 2011, pp. 489-513.
  6. D. Farley, J. Humble. Ciągłe dostarczanie oprogramowania, Helion 2015.
  7. D. Gong, T. Tian, X. Yao. Grouping target paths for evolutionary generation of test data in paralel, The Journal of Systems and Software, Vol. 85, Issue 11, November 2012, pp. 2531-2540.
  8. D. Gong, Y. Zhang. Generating test data for both path coverage and fault detection using genetic algorithms, Frontiers of Computer Science, December 2013, Vol. 7, Issue 6, pp. 822-837.
  9. D. Gong, Y. Zhang. Generating test data for both path coverage and fault detection using genetic algorithms: multi-path case, Frontiers of Computer Science, October 2014, Vol. 8, Issue 5, pp. 726-740.
  10. M.J. Harrold, R. Pargas, R. R. Peck. Test-Data generation using genetics algorithms, Journal of Software Testing, Verification and Reliability 1999.
  11. I. Hermadi, C. Lokan, R. Sarker. Dynamic stopping criteria for search-based test data generation for path testing , Information and Software Technology, April 2014 Vol. 56, pp. 395-407.
  12. J. Hudec, E. Gramatova. An Efficient functional test generation method for processors using genetic algorithms, Journal of Electrical Engineering, July 2015, Vol. 66, Issue. 4, pp. 186-193.
  13. N. Khurana, R.S. Chillar. Test Case Generation and Optimization using UML Models and Genetic Algorithm, Procedia Computer Science, August 2015, Vol. 57, pp. 966-1004.
  14. H. Kim, P.R. Srivastava. Application of Genetic Algorithm in Software Testing, International Journal of Software Engineering and Its Applications, October 2009, Vol. 3, Issue 4, pp. 87-96.
  15. R. Krishnamoorthi, A. Sahaaya, S.A. Mary. Regression Test Suite Prioritization using Genetic Algorithms, International Journal of Hybrid Information Technology, July 2009 Vol.2, Issue .3, July.
  16. C. Mao. Harmony search-based test data generation for branch coverage in software structural testing, Neural Computing and Applications, September 2013, Vol. 25, Issue 1, pp.199-216. Springer-Verlag London 2013.
  17. M. Mirzaaghaei, F. Pastore, M. Pezze. Automatic test case evolution, Software testing, Verification and Reliability, April 2014, Vol. 24, Issue 5, pp.386-411.
  18. A. Piaskowy, R. Smilgin. Dane Testowe, teoria i praktyka, Helion 2011.
  19. A. Roman, Testowanie i jakość oprogramowania, PWN 2015.
  20. D. Rutkowska, M. Piliński, L. Rutkowski. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN W-wa 1997.
  21. D. Warchoł, M. Żukowicz. Testing education: test case prioritization using matrices, General and Professional Education, May 2015, Vol. 1, Issue 8, pp. 57-62.
  22. M. Żukowicz. Edukacja testowania: Narzędzie All-pairs Testing w procesie optymalizacji testów konfiguracji - zastosowanie narzędzia w systemie B2B OPTIbud, General and Professional Education, Dezember 2015, Vol. 4, Issue 12, pp. 99-106.
  23. M. Żukowicz. Edukacyjne i ekonomiczne aspekty zastosowania cyklu Hamiltona w projektowaniu i testowaniu oprogramowania, General and Professional Education, numer Dezember 2014, Vol. 4, Issue 13, pp. 95- 102.
  24. M. Żukowicz, O pewnych problemach analizy wartości brzegowych, Internet:, http://testerzy.pl/materialy/ index.php?file=analiza-wartosci-brzegowych.pdf, ac-cess date 03.03.2016.
Cytowane przez
Pokaż
ISSN
2299-0461
Język
eng, pol
URI / DOI
http://dx.doi.org/DOI 10.12914/MSPE-06-02-2016
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu