从用户错误报告中推断测试模型,使用多目标搜索
Giovani Guizzo1, Francesco Califano1, Federica Sarro1
1University College London, London, UK.
本研究介绍了一种多目标的进化方法,从错误报告中自动生成有限状态机器 (FSM). NSGA-II在软件测试的错误检测和模型生成方面表现出卓越的性能.
科学领域:
- 软件工程 软件工程 软件工程
- 人工智能的人工智能
- 正式方法 正式方法
背景情况:
- 软件测试人员使用错误报告来识别异常的软件行为.
- 自动捕获不正确的软件行为对于高效的测试至关重要.
- 有限状态机器 (FSM) 可以用于测试目的来表示软件行为.
研究的目的:
- 提出一个多目标的进化方法,从自然语言错误报告中自动生成FSM.
- 为了使测试人员能够使用生成的FSM练习报告的错误,并发现新的错误.
- 评估不同多目标进化算法 (MOEA) 对此任务的有效性.
主要方法:
- 使用多目标进化算法 (MOEA) 引导FSM生成.
- 同时最小化三个目标:模型大小,过度概括和过少概括.
- 评估了使用NSGA-II,NSGA-III和MOEA/D的10个现实世界软件程序的方法,与KLFA进行了对比.
主要成果:
- 基线工具KLFA由于过度概括而不切实际.
- NSGA-II显著优于NSGA-III和MOEA/D,在90%的测试程序中检测到更多的错误.
- 仅使用两个目标就导致了不可实现或低于最佳的解决方案,而使用三个目标则导致了不可实现或低于最佳的解决方案.
结论:
- 拟议的MOEA方法有效地从软件测试的错误报告中生成FSM.
- 对于这项任务,NSGA-II是最有效的MOEA,可以平衡模型大小,准确性和覆盖范围.
- 采用所有三个目标 (大小,过度泛化,不足泛化) 会导致多样化,优化FSM,避免局部优化和改进测试生成.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
相关概念视频
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Collisions in Multiple Dimensions: Problem Solving
A small car of mass 1,200 kg traveling east at 60 km/h collides at an intersection with a truck of mass 3,000 kg traveling due north at 40 km/h. The two vehicles are locked together. What is the...
Three-Dimensional Force System:Problem Solving
To solve a three-dimensional force system, first resolve each force into its respective scalar components. Do this using...
Response Surface Methodology
The process of RSM involves several key steps:
Statically Indeterminate Problem Solving
