2015
Ferrer, Javier; Kruse, Peter M; Chicano, Francisco; Alba, Enrique
Generación de Secuencias de Pruebas Funcionales con Algoritmos Bio-inspirados Inproceedings
In: Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados (MAEB'15), 2015.
Abstract | BibTeX | Tags: Algoritmos Genéticos, Colonias de Hormigas, en Búsqueda, Generación de Secuencias de Pruebas, Ingeniería del Software basada, Pruebas Funcionales
@inproceedings{Ferrer2015a,
title = {Generación de Secuencias de Pruebas Funcionales con Algoritmos Bio-inspirados},
author = {Javier Ferrer and Peter M Kruse and Francisco Chicano and Enrique Alba},
year = {2015},
date = {2015-01-01},
booktitle = {Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados (MAEB'15)},
abstract = {La generaci´ on de secuencias de prue- bas din´ amicas desde una especificaci´ on formal com- plementa los m´ etodos tradicionales de pruebas para encontrar errores en el c´ odigo fuente. En este art´ ıculo extendemos un enfoque combinatorio en particular, el llamadoM´ etodo del ´ Arbol de Clasificaci´ on - Classifica- tion Tree Method (CTM), con informaci´ on sobre tran- siciones para la generaci´ on de secuencias de pruebas. Aunque en este art´ ıculo usamos CTM, esta extensi´ on es tambi´ en posible para otros m´ etodos de pruebas combinatorios. La generaci´ on de secuencias m´ ınimas de pruebas que cumplan con el criterio de cobertura requerido es un problema NP-duro. As´ ı que, vamos a necesitar un enfoque basado en b´ usqueda para encon- trar las secuencias de pruebas ´ optimas en un tiempo razonable. En la secci´ on de experimentos se compa- ran dos t´ ecnicas bio-inspiradas con un algoritmo vo- raz determinista. Hemos utilizado un conjunto de 12 modelos de programas jer´ arquicos concurrentes, ex- tra´ ıdos de la literatura. Nuestras propuestas basadas en algoritmos gen´ eticos y colonias de hormigas son ca- paces de generar secuencias de pruebas que alcanzan cobertura total tanto de clases como de transiciones, es decir, son capaces de encontrar el camino v´ alido m´ as corto para visitar todas las clases y usar todas las transiciones de un programa. El an´ alisis de los ex- perimentos revela que las propuestas bio-inspiradas son mejores que el algoritmo voraz determinista, es- pecialmente en las instancias m´ as complejas. Palabras},
keywords = {Algoritmos Genéticos, Colonias de Hormigas, en Búsqueda, Generación de Secuencias de Pruebas, Ingeniería del Software basada, Pruebas Funcionales},
pubstate = {published},
tppubtype = {inproceedings}
}
La generaci´ on de secuencias de prue- bas din´ amicas desde una especificaci´ on formal com- plementa los m´ etodos tradicionales de pruebas para encontrar errores en el c´ odigo fuente. En este art´ ıculo extendemos un enfoque combinatorio en particular, el llamadoM´ etodo del ´ Arbol de Clasificaci´ on - Classifica- tion Tree Method (CTM), con informaci´ on sobre tran- siciones para la generaci´ on de secuencias de pruebas. Aunque en este art´ ıculo usamos CTM, esta extensi´ on es tambi´ en posible para otros m´ etodos de pruebas combinatorios. La generaci´ on de secuencias m´ ınimas de pruebas que cumplan con el criterio de cobertura requerido es un problema NP-duro. As´ ı que, vamos a necesitar un enfoque basado en b´ usqueda para encon- trar las secuencias de pruebas ´ optimas en un tiempo razonable. En la secci´ on de experimentos se compa- ran dos t´ ecnicas bio-inspiradas con un algoritmo vo- raz determinista. Hemos utilizado un conjunto de 12 modelos de programas jer´ arquicos concurrentes, ex- tra´ ıdos de la literatura. Nuestras propuestas basadas en algoritmos gen´ eticos y colonias de hormigas son ca- paces de generar secuencias de pruebas que alcanzan cobertura total tanto de clases como de transiciones, es decir, son capaces de encontrar el camino v´ alido m´ as corto para visitar todas las clases y usar todas las transiciones de un programa. El an´ alisis de los ex- perimentos revela que las propuestas bio-inspiradas son mejores que el algoritmo voraz determinista, es- pecialmente en las instancias m´ as complejas. Palabras