ارائه روشی برای شناسایی موارد آزمون موثر در آزمون نرم‌افزار

طراحی موارد آزمون و تولید داده آزمون، یکی از چالش های موجود در فرایند آزمون نرم افزار، ازجمله فن آزمون جهش است. موارد آزمونیکه طراحی می شوند باید خطوط کد منبع را به صورت حداکثری پوشش دهند و داده های آزمون نیز باید بتوانند موارد آزمون را با موفقیت اجراکنند. آزمون جهش، علاوه بر شناسایی خطاهای کد منبع، این توانایی را دارد که کیفیت موارد آزموون را بنون د و مووارد آزموون باکفا یوت رامشخص نماید. در این پایان نامه، از فنون پوشش کد، برای طراحی موارد آزمون و از الگوریتم فرا ابتکاری fa-mabc برای تولید خودکار داده آزمون بهینه، استفاده می‌شود. در این الگوریتم، ابتدا م موعه ای از داده های آزمون، به صورت تصادفی تولید می شوند و سپس معادله جنوت وموجود در الگوریتم، اجرا می شود تا در نهایت، داده های آزمون بهینه، به دست آیند. نتی ه این روش، م موعه آزمونی است که می تواند حداکثرخطوط کد منبع را پوشش داده و آزمون کند. چنین م موعه آزمونی، توانایی بالایی در شناسایی خطاها ی برنامه دارد و در آزموون جهش،امتیاز بالایی کسب می کند. در روش پیشنهادی، برای رسیدن به موارد آزمون موثر، ابتدا موارد آزمون طراحی شوده، در آزمون جهش اعمالمی شوند و سپس با استفاده از جدول جهش های خاموش شده، موارد آزمون موثر استخراج می شوند. نتایج ارزیابی، نشان می دهد که الگوور یتم fa-mabc، موجب کاهش هزینه زمانی در تولید داده آزمون می‌شود و معیار پوشش «شرط اصلاح‌شده / تصمیم»، موجب افزایش امتیاز جهش می‌شود.

a novel way to identify effective test-case in software testing

test data generation is one of the costly parts of the software testing, which is performed according to the designed test cases. the problem of designing test cases and then generating optimized test data is one of the challenges of the software testing, including the mutation testing technique. mutation testing has the ability to measure the test cases quality and determine the adequate test cases. however, to perform mutation testing, you need a test set that provides the maximize coverage of source code and thus have the ability to identify the program errors. in this work, we use code coverage techniques to design test cases and automatically generate optimized test data using the meta-heuristic fa-mabc algorithm. the results are a test suite that cover and test the maximum number of source code lines. such test suite is more likely to identify errors and get a higher score in the mutation testing. in the proposed method to obtain effective test cases, first generated test cases are applied to mutation testing and then effective test cases are extracted using the extinguished mutation table. the results of the evaluation show that the fa-mabc algorithm reduces the time of the test data generation, and “modified condition / decision coverage”, increases the mutation score.