Automatic test case generation guided by ensemble bug prediction

• Ano de defesa: 2024
• Autor(a) principal: Marçal, Ingrid [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Ciência da computação; Engenharia de software; Inteligência artificial; Computer science; Software engineering; Artificial intelligence
• Link de acesso: https://hdl.handle.net/11449/256297

As abordagens de Testes de Software Baseados em Busca (SBST) para geração automática de casos de teste têm melhorado a eficiência dos testes otimizando os tempos de desenvolvimento. No entanto, a capacidade dessas suítes de teste geradas automaticamente para identificar bugs ainda precisa ser aprimorada, uma vez que, na maioria das vezes, o processo de geração de casos de teste enfatiza a cobertura de áreas de código que são mais suscetíveis a bugs. Mesmo as tentativas de usar a previsão de defeitos para identificar seções problemáticas do código falham ao depender de abordagens de modelo único, que não conseguem abordar as complexidades únicas de diferentes projetos de software. A incorporação de modelos de previsão em conjunto no SBST poderia aumentar significativamente a capacidade das suítes de teste para detectar bugs. Apresentamos uma pesquisa empírica sobre o Algoritmo de Ordenação de Muitos Objetivos com Previsão em Conjunto (EPMOSA), uma abordagem SBST inovadora para gerar suítes de teste usando alocação de tempo dinâmica informada por modelos de previsão de bugs em conjunto – Alocação de Orçamento Previsivo em Conjunto para Testes de Software (EP-BAST). Os resultados experimentais em projetos do benchmark Defects4J indicam que o uso de modelos de previsão em conjunto melhora a eficácia de detecção de bugs das suítes de teste geradas automaticamente.