Return to search

Uma abordagem coevolucionária para seleção de casos de teste e programas mutantes no contexto do teste de mutação / A coevolutionary approach to test cases selection and mutant programs in mutation testing context

Submitted by Jaqueline Silva (jtas29@gmail.com) on 2014-10-06T17:24:11Z
No. of bitstreams: 2
Dissertação - André Assis Lôbo de Oliveira- 2013.pdf: 3915731 bytes, checksum: 2447fa437e5dca74e295727bd8fed4d1 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-06T19:18:43Z (GMT) No. of bitstreams: 2
Dissertação - André Assis Lôbo de Oliveira- 2013.pdf: 3915731 bytes, checksum: 2447fa437e5dca74e295727bd8fed4d1 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-06T19:18:43Z (GMT). No. of bitstreams: 2
Dissertação - André Assis Lôbo de Oliveira- 2013.pdf: 3915731 bytes, checksum: 2447fa437e5dca74e295727bd8fed4d1 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2013-12-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Verification and Validation Activities (V&V) consume about 50% to 60% of the total
cost of a software lifecycle. Among those activities, Software Testing technique is one
which is mostly used during this process. One of the main problems related to detected in
Software Testing is to find a set of tests (subset from input domain of the problem) which
is effective to detect the remaining bugs in the software. The Search-Based Software
Testing (SBST) approach uses metaheuristics to find low cost set of tests with a high
effectiveness to detect bugs. From several existing test criteria, Mutation Testing is
considered quite promising to reveal bugs, despite its high computational cost, due to
the great quantity of mutant programs generated. Therefore, this dissertation addresses
the problem of selecting mutant programs and test cases in Mutation Testing context.
To this end, it is proposed a Coevolutionary Genetic Algorithm (CGA) and the concept
of Genetic Effectiveness, implemented by Genetic Classification (GC) and new genetic
operators adapted to the proposed representation. Furthermore, the Genetic Algorithm
Coevolutionary with Controlled Genetic Classification (CGA􀀀CGCop) is proposed for
improving the efficiency of CGA’s GC. The CGA is applied in three categories of
benchmarks and compared to other five methods. The results show a better performance
of the CGA in subsets selection with better mutation score, as well as improvement of
CGA􀀀CGCop in use of GC. These results evidence the proposal approach with promising
use in the context of Mutation Testing. / Atividades de Validação e Verificação (V&V) consomem cerca de 50% a 60% do custo
total no ciclo de vida de um software. Dentre essas, o Teste de Software é uma das
atividades mais empregadas. Um dos maiores problemas do Teste de Software é encontrar
um conjunto de teste (subconjunto do domínio de entrada do problema) que seja eficaz em
detectar os defeitos remanescentes no software. Neste contexto, a Search-Based Software
Testing (SBST) é uma linha de pesquisa recente que vem propondo boas soluções, uma
vez que utiliza-se de metaheurísticas para encontrar um conjunto de teste com baixo
custo e grande eficácia na detecção de defeitos. Dentre os diversos critérios de teste
existentes, o Teste de Mutação é bastante promissor na revelação de defeitos, entretanto
apresenta um alto custo computacional em termos de aplicabilidade. Por isso, a pesquisa
aborda o problema de seleção de programas mutantes e casos de teste no contexto
do Teste de Mutação. Para tal, propõe o Algoritmo Genético Coevolucionário (AGC)
que traz o conceito de Efetividade Genética, implementado pela Classificação Genética
(CG) e por novos operadores genéticos adaptados à representação proposta. Além disso,
propõe o Algoritmo Genético Coevolucionário com Classificação Genética Controlada
(AGC 􀀀CGCop) para a melhoria da eficiência da CG do AGC. O algoritmo AGC é
aplicado em três classes de benchmarks e comparado com outros cinco métodos. Os
resultados demonstram um melhor desempenho do AGC na seleção de subconjuntos com
melhor escore de mutação, bem como um aprimoramento do AGC􀀀CGCop no uso da
CG. Tais resultados evidenciam a abordagem proposta com uso promissor no contexto do
Teste de Mutação.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3298
Date05 December 2013
CreatorsOliveira, André Assis Lôbo de
ContributorsCamilo Junior, Celso Gonçalves, Maldonado, José Carlos, Vincenzi, Auri Marcelo Rizzo
PublisherUniversidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG)
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG
Rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess
Relation-3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 8930092515683771531, 2075167498588264571

Page generated in 0.0029 seconds