論文の概要: Metamorphic Relation Prioritization for Effective Regression Testing
- arxiv url: http://arxiv.org/abs/2109.09798v1
- Date: Mon, 20 Sep 2021 19:06:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-23 03:50:58.364693
- Title: Metamorphic Relation Prioritization for Effective Regression Testing
- Title(参考訳): 効果的な回帰テストのための変成的関係優先化
- Authors: Madhusudan Srinivasan and Upulee Kanewala
- Abstract要約: 本稿では, 回帰テストの効率と有効性を改善するために, メタモルフィック関係(MR)を優先する手法を提案する。
本稿では,(1)障害ベースと(2)カバレッジベースという2つのMR優先順位付け手法を提案する。
以上の結果から,フォールトベースMR優先化は,実行すべきソースおよびフォローアップテストケースの数を減少させる可能性が示唆された。
- 参考スコア(独自算出の注目度): 11.033596835816422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Metamorphic testing (MT) is widely used for testing programs that face the
oracle problem. It uses a set of metamorphic relations (MRs), which are
relations among multiple inputs and their corresponding outputs to determine
whether the program under test is faulty. Typically, MRs vary in their ability
to detect faults in the program under test, and some MRs tend to detect the
same set of faults. In this paper, we propose approaches to prioritize MRs to
improve the efficiency and effectiveness of MT for regression testing. We
present two MR prioritization approaches: (1) fault-based and (2)
coverage-based. To evaluate these MR prioritization approaches, we conduct
experiments on three complex open-source software systems. Our results show
that the MR prioritization approaches developed by us significantly outperform
the current practice of executing the source and follow-up test cases of the
MRs in an ad-hoc manner in terms of fault detection effectiveness. Further,
fault-based MR prioritization leads to reducing the number of source and
follow-up test cases that needs to be executed as well as reducing the average
time taken to detect a fault, which would result in saving time and cost during
the testing process.
- Abstract(参考訳): メタモルフィックテスト(MT)は、オラクル問題に直面するプログラムのテストに広く用いられている。
一連のメタモルフィック関係(MR)は複数の入力と対応する出力の間の関係であり、テスト中のプログラムが故障しているかどうかを決定する。
通常、MRはテスト中のプログラムの障害を検出する能力に変化があり、いくつかのMRは同じ障害を検知する傾向にある。
本稿では,回帰テストにおけるMTの効率と有効性を改善するため,MRの優先順位付け手法を提案する。
1)障害ベースと(2)カバレッジベースという2つのMR優先順位付け手法を提案する。
これらのMR優先順位付け手法を評価するため、3つの複雑なオープンソースソフトウェアシステムで実験を行った。
以上の結果から,本研究で開発されたMR優先化手法は, 異常検出の有効性の観点から, MRのソースおよびフォローアップテストケースの実行において, 従来よりも有意に優れていたことが示唆された。
さらに、フォールトベースmrの優先順位付けは、実行すべきソースとフォローアップのテストケースの数を削減し、障害検出に要する平均時間を削減すると同時に、テストプロセス中の時間とコストの削減につながる。
関連論文リスト
- Directly Attention Loss Adjusted Prioritized Experience Replay [0.07366405857677226]
優先度付き再生体験(PER)は、アクセス頻度を人工的に変化させることで、比較的重要なサンプルについてより深く学習することを可能にする。
DALAPが提案され、パラレル自己保持ネットワークを通じて、シフト分布の変化範囲を直接定量化することができる。
論文 参考訳(メタデータ) (2023-11-24T10:14:05Z) - Towards a Complete Metamorphic Testing Pipeline [56.75969180129005]
システムアンダーテスト(SUT)の連続実行における入出力ペア間の関係を調べてテストオラクル問題に対処するメタモルフィックテスト(MT)
これらの関係は、メタモルフィック関係 (MRs) と呼ばれ、特定の入力変化に起因する期待される出力変化を規定する。
本研究の目的は,MR の生成,制約の定義,MR 結果の説明可能性の提供を支援する手法とツールの開発である。
論文 参考訳(メタデータ) (2023-09-30T10:49:22Z) - On Pitfalls of Test-Time Adaptation [82.8392232222119]
TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。
TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
論文 参考訳(メタデータ) (2023-06-06T09:35:29Z) - Evaluating Search-Based Software Microbenchmark Prioritization [6.938596103568648]
本稿では,単目的と多目的の探索に基づくマイクロベンチマーク優先順位付け手法を実証的に評価する。
検索アルゴリズム(SA)は競争力があるばかりでなく、最高の欲求、カバレッジベースのベースラインを上回りません。
論文 参考訳(メタデータ) (2022-11-24T10:45:39Z) - A Probabilistic Framework for Mutation Testing in Deep Neural Networks [12.033944769247958]
不整合を緩和する確率変異テスト(PMT)手法を提案する。
PMTは、評価を通じてより一貫性のある、より情報のある突然変異の決定を可能にする。
論文 参考訳(メタデータ) (2022-08-11T19:45:14Z) - Fine-grained Correlation Loss for Regression [20.175415393263037]
本稿では, 従来の回帰課題を再考し, 微粒化相関損失を直接最適化する手法を提案する。
本手法は,画像品質評価とバイオメトリック計測を含む2つの典型的な超音波画像回帰タスクに対して広範囲に検証する。
論文 参考訳(メタデータ) (2022-07-01T11:25:50Z) - Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。
GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。
同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
論文 参考訳(メタデータ) (2022-04-11T01:08:26Z) - Instance-Dependent Confidence and Early Stopping for Reinforcement
Learning [99.57168572237421]
強化学習(RL)のための様々なアルゴリズムは、その収束率の劇的な変動を問題構造の関数として示している。
この研究は、観察されたパフォーマンスの違いについて、textitexを説明する保証を提供する。
次の自然なステップは、これらの理論的保証を実際に有用なガイドラインに変換することです。
論文 参考訳(メタデータ) (2022-01-21T04:25:35Z) - Learning with Multiclass AUC: Theory and Algorithms [141.63211412386283]
ROC曲線 (AUC) の下の領域は、不均衡学習やレコメンダシステムといった問題に対するよく知られたランキング基準である。
本稿では,マルチクラスAUCメトリクスを最適化することで,多クラススコアリング関数を学習する問題について検討する。
論文 参考訳(メタデータ) (2021-07-28T05:18:10Z) - Improving a State-of-the-Art Heuristic for the Minimum Latency Problem
with Data Mining [69.00394670035747]
ハイブリッドメタヒューリスティックスは、オペレーション研究のトレンドとなっている。
成功例は、Greedy Randomized Adaptive Search Procedures (GRASP)とデータマイニング技術を組み合わせたものだ。
論文 参考訳(メタデータ) (2019-08-28T13:12:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。