論文の概要: Dynamic Test Case Prioritization in Industrial Test Result Datasets
- arxiv url: http://arxiv.org/abs/2402.02925v1
- Date: Mon, 5 Feb 2024 11:46:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-02-06 16:34:40.838953
- Title: Dynamic Test Case Prioritization in Industrial Test Result Datasets
- Title（参考訳）: 産業試験結果データセットにおける動的テストケース優先順位付け
- Authors: Alina Torbunova, Per Erik Strandberg, Ivan Porres
- Abstract要約: 本稿では,静的および動的優先度付けアルゴリズムを併用したテストケース優先順位付け方式を提案する。
我々は,3つの産業データセット上でのソリューションの評価を行い,故障検出の平均パーセンテージを利用する。
- 参考スコア（独自算出の注目度）: 5.401427060370659
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Regression testing in software development checks if new software features
affect existing ones. Regression testing is a key task in continuous
development and integration, where software is built in small increments and
new features are integrated as soon as possible. It is therefore important that
developers are notified about possible faults quickly. In this article, we
propose a test case prioritization schema that combines the use of a static and
a dynamic prioritization algorithm. The dynamic prioritization algorithm
rearranges the order of execution of tests on the fly, while the tests are
being executed. We propose to use a conditional probability dynamic algorithm
for this. We evaluate our solution on three industrial datasets and utilize
Average Percentage of Fault Detection for that. The main findings are that our
dynamic prioritization algorithm can: a) be applied with any static algorithm
that assigns a priority score to each test case b) can improve the performance
of the static algorithm if there are failure correlations between test cases c)
can also reduce the performance of the static algorithm, but only when the
static scheduling is performed at a near optimal level.
- Abstract（参考訳）: ソフトウェア開発における回帰テストは、新しいソフトウェア機能が既存の機能に影響するかどうかをチェックする。
回帰テストは継続的開発と統合において重要なタスクであり、ソフトウェアは小さなインクリメントで構築され、新しい機能はできるだけ早く統合される。
したがって、開発者が迅速に障害を通知することが重要です。
本稿では,静的優先度付けアルゴリズムと動的優先度付けアルゴリズムを組み合わせたテストケース優先順位付けスキーマを提案する。
動的優先順位付けアルゴリズムは、テストが実行されている間、フライでテストの実行順序を再構成する。
そこで本稿では条件付き確率動的アルゴリズムを提案する。
3つの産業データセットでソリューションを評価し,それに対する平均故障検出率を活用する。
主な発見は、我々の動的優先順位付けアルゴリズムが可能であることである。
a) 各テストケースに優先スコアを割り当てる任意の静的アルゴリズムを適用する
b) テストケース間に障害相関がある場合、静的アルゴリズムの性能を向上させることができる
c) 静的アルゴリズムの性能を低下させることもできるが、静的スケジューリングが最適に近いレベルで実行される場合のみである。
関連論文リスト
- Sample, Don't Search: Rethinking Test-Time Alignment for Language Models [55.2480439325792]
新しいテストタイムアライメントアプローチであるQAlignを紹介します。
テスト時間計算をスケールする際、QAlignは各プロンプトの最適配向分布からのサンプリングに収束する。
マルコフ連鎖モンテカルロのテキスト生成における最近の進歩を取り入れることで、基礎となるモデルを変更したり、ロジットアクセスを必要とせずに、より良い整合出力を可能にする。
論文 参考訳（メタデータ） (2025-04-04T00:41:40Z) - On Test Sequence Generation using Multi-Objective Particle Swarm Optimization [0.2999888908665658]
ソフトウェア開発ライフサイクルにおいて、ソフトウェアテストは重要かつ不可欠な部分です。
ソフトウェア業界では、テストコストはソフトウェアプロジェクトの総コストの約35%から40%を占めることができます。
論文 参考訳（メタデータ） (2024-04-09T18:35:21Z) - Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。
完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
論文 参考訳（メタデータ） (2024-04-07T22:31:34Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳（メタデータ） (2022-10-31T14:06:11Z) - Revisiting and Advancing Fast Adversarial Training Through The Lens of
Bi-Level Optimization [60.72410937614299]
提案手法は,2レベルAT(FAST-BAT)と呼ばれる新しいアルゴリズムセットの設計と解析である。
FAST-BATは、グラデーションサインメソッドや明示的なロバスト正規化を呼ぶことなく、符号ベースの投射降下(PGD)攻撃を防御することができる。
論文 参考訳（メタデータ） (2021-12-23T06:25:36Z) - DeepOrder: Deep Learning for Test Case Prioritization in Continuous
Integration Testing [6.767885381740952]
この研究は、回帰機械学習に基づいて動作するディープラーニングベースのモデルであるDeepOrderを紹介している。
DeepOrderは、テスト実行の履歴記録に基づいて、以前のテストサイクルの任意の数からテストケースをランク付けする。
実験により, 深部ニューラルネットワークは, 単純な回帰モデルとして, 連続的な統合テストにおいて, テストケースの優先順位付けに効率的に利用できることを示した。
論文 参考訳（メタデータ） (2021-10-14T15:10:38Z) - Learning to Hash Robustly, with Guarantees [79.68057056103014]
本稿では,理論的アルゴリズムと本質的に一致する最悪ケース保証を持つハミング空間のためのNSアルゴリズムを設計する。
理論的にも実用的にも、与えられたデータセットに対してアルゴリズムが最適化できる能力を評価する。
我々のアルゴリズムは、MNISTおよびImageNetデータセットに対する最悪のパフォーマンスのクエリを、1.8倍と2.1倍の精度でリコールする。
論文 参考訳（メタデータ） (2021-08-11T20:21:30Z) - Benchmarking Simulation-Based Inference [5.3898004059026325]
確率的モデリングの最近の進歩は、確率の数値的評価を必要としないシミュレーションに基づく推論アルゴリズムを多数もたらした。
推論タスクと適切なパフォーマンス指標を備えたベンチマークを,アルゴリズムの初期選択とともに提供する。
性能指標の選択は重要であり、最先端のアルゴリズムでさえ改善の余地があり、逐次推定によりサンプリング効率が向上することがわかった。
論文 参考訳（メタデータ） (2021-01-12T18:31:22Z) - Test Score Algorithms for Budgeted Stochastic Utility Maximization [12.360522095604983]
既存のスコアリング機構、すなわちレプリケーションテストスコアを拡張して、異種アイテムのコストとアイテムの値を統合する。
我々のアルゴリズムと近似は、テストスコアが特定の期待値のノイズ見積もりであると仮定する。
我々は,我々のアルゴリズムが,同じ近似保証を維持しながら,商品が同じ方法で到着する状況に適応できることを示す。
論文 参考訳（メタデータ） (2020-12-30T15:28:41Z) - Run2Survive: A Decision-theoretic Approach to Algorithm Selection based
on Survival Analysis [75.64261155172856]
生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。
我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。
標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
論文 参考訳（メタデータ） (2020-07-06T15:20:17Z) - FedPD: A Federated Learning Framework with Optimal Rates and Adaptivity
to Non-IID Data [59.50904660420082]
フェデレートラーニング(FL)は、分散データから学ぶための一般的なパラダイムになっています。
クラウドに移行することなく、さまざまなデバイスのデータを効果的に活用するために、Federated Averaging(FedAvg)などのアルゴリズムでは、"Computation then aggregate"(CTA)モデルを採用している。
論文 参考訳（メタデータ） (2020-05-22T23:07:42Z) - Genetic Algorithms for Redundancy in Interaction Testing [0.6396288020763143]
インタラクションテストには一連のテストの設計が含まれており、少数のコンポーネントが連携して動作する場合、障害を検出することが保証される。
これらのテストスイートを構築するための既存のアルゴリズムは通常、ほとんどのテストを生成する1つの"高速"アルゴリズムと、テストスイートを"完全"する別の"より遅い"アルゴリズムを含んでいる。
我々は、これらのアプローチを一般化する遺伝的アルゴリズムを用いて、選択したアルゴリズムの数を増やして冗長性も含み、それを「ステージ」と呼ぶ。
論文 参考訳（メタデータ） (2020-02-13T10:16:46Z)
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。