Uma abordagem sistemática multiobjetivo para priorização e recomendação de bugs em repositórios de software livre e código aberto

• Ano de defesa: 2016
• Autor(a) principal: Sousa, Duany Dreyton Bezerra
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual do Ceará
• Palavras-chave em Português: Ciência da computação; Computação evolutiva; Engenharia de software
• Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83023

<div style="">A Engenharia de Software muito tem a contribuir para o processo de desenvolvimento de grandes projetos de softwares. Desde a condução padronizada desse processo até a orientação correta em casos de falha, todas as atividades envolvidas na evolução de um sistema contemplam a entrega de um produto com a qualidade esperada. A tarefa de priorização de bugs em repositórios de software de código livre e aberto, contudo, torna-se desafiadora, em razão da grande quantidade de novas falhas que são reportadas diariamente. Assim, uma estratégia para atacar esse problema é a automatização de algumas decisões envolvidas nesse processo, como qual a melhor ordenação de bugs para correção. Além disso, é ideal que sejam recomendadas aos desenvolvedores tarefas de implementação compatíveis com sua experiência ao longo dos componentes do software. Nesse sentido, a Search Based Software Engineering surge como uma alternativa, aplicando técnicas de otimização baseada em busca na resolução de problemas deste tipo. Este trabalho propõe uma abordagem sistemática baseada em busca para a priorização de bugs em repositórios de software livre e código aberto, utilizando informações dadas pelos membros da comunidade mantenedora, determinando qual a melhor ordenação para as tarefas de correção dessas falhas, através da aplicação de técnicas de otimização multiobjetivo. Além disso, é proposta uma estratégia de recomendação de bugs, sugerindo ao desenvolvedor qual dentre as soluções encontradas é mais compatível com seu nível de experiência em tarefas de implementação. Os resultados demonstram que a estratégia NSGA-II apresenta-se como a melhor escolha dentre as técnicas testadas, obtendo os melhores resultados na análise das métricas Hypervolume e Generational Distance. Observou-se, também, que a estratégia de recomendação de bugs para correção sugeriu soluções mais compatíveis com o nível de experiência do desenvolvedor do que o processo aleatório de escolha.&nbsp;</div><div style="">Palavras-chave: Priorização de bugs. Otimização Multiobjetivo. Recomendação baseada em compatibilidade. SBSE.</div>