論文の概要: Causes and Effects of Fitness Landscapes in System Test Generation: A Replication Study

• arxiv url: http://arxiv.org/abs/2502.00169v1
• Date: Fri, 31 Jan 2025 21:17:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:02:36.386411
• Title: Causes and Effects of Fitness Landscapes in System Test Generation: A Replication Study
• Title（参考訳）: システム・テスト・ジェネレーションにおけるフィトネス景観の原因と効果--重複研究
• Authors: Omur Sahin, Man Zhang, Andrea Arcuri,
• Abstract要約: ソフトウェア工学問題の解法における探索アルゴリズムの有効性は、対処された問題のフィットネスランドスケープをどのようにナビゲートするかに依存する。 サーチベースソフトウェアテスティングの科学文献では、フィットネスランドスケープの分析はほとんど行われていない。 本稿では,最先端ツールであるEvoMasterを用いて,システムテスト生成に焦点を当てる。
• 参考スコア（独自算出の注目度）: 2.88712218985947
• License:
• Abstract: Search-Based Software Testing (SBST) has seen several success stories in academia and industry. The effectiveness of a search algorithm at solving a software engineering problem strongly depends on how such algorithm can navigate the fitness landscape of the addressed problem. The fitness landscape depends on the used fitness function. Understanding the properties of a fitness landscape can help to provide insight on how a search algorithm behaves on it. Such insight can provide valuable information to researchers to being able to design novel, more effective search algorithms and fitness functions tailored for a specific problem. Due to its importance, few fitness landscape analyses have been carried out in the scientific literature of SBST. However, those have been focusing on the problem of unit test generation, e.g., with state-of-the-art tools such as EvoSuite. In this paper, we replicate one such existing study. However, in our work we focus on system test generation, with the state-of-the-art tool EvoMaster. Based on an empirical study involving the testing of 23 web services, this enables us to provide valuable insight into this important testing domain of practical industrial relevance.
• Abstract（参考訳）: 検索ベースのソフトウェアテスティング(SBST)は、学術と産業でいくつかの成功談を目にしている。 ソフトウェア工学問題の解法における探索アルゴリズムの有効性は、そのようなアルゴリズムが対処された問題のフィットネスランドスケープをどのようにナビゲートするかに大きく依存する。 フィットネスのランドスケープは、使用済みのフィットネス機能に依存します。 フィットネスランドスケープの性質を理解することは、検索アルゴリズムがどのように振る舞うかについての洞察を与えるのに役立つ。 このような洞察は、研究者が特定の問題に適した新しい、より効果的な検索アルゴリズムやフィットネス機能を設計できるための貴重な情報を提供することができる。 その重要性から、SBSTの科学文献では、フィットネスランドスケープの分析はほとんど行われていない。 しかしこれらは、例えばEvoSuiteのような最先端のツールを使って、ユニットテスト生成の問題に焦点を当てている。 本稿では,そのような既存研究を再現する。 しかしながら、私たちの作業では、最先端のツールであるEvoMasterを使って、システムテスト生成に重点を置いています。 23のWebサービスのテストに関する実証的研究に基づいて、この重要な産業関連性テスト領域について、貴重な洞察を提供することができる。

関連論文リスト

• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。 本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-03-31T15:09:47Z)
• Instance Space Analysis of Search-Based Software Testing [6.292153194561472]
  検索ベースのソフトウェアテスト(SBST)が成熟した分野になった。 本稿では,SBST手法の客観的性能評価の問題を再考する。
  論文  参考訳（メタデータ） (2023-12-04T23:12:52Z)
• Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
  本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
  論文  参考訳（メタデータ） (2023-08-10T13:19:10Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning [65.12226891589592]
  本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
  論文  参考訳（メタデータ） (2022-08-15T11:08:44Z)
• Search-based Software Testing Driven by Automatically Generated and Manually Defined Fitness Functions [4.295535415758033]
  検索ベースのソフトウェアテスト(SBST)は通常、ソフトウェア障害への探索を誘導するフィットネス機能に依存している。 本稿では,要求仕様から自動生成されるフィットネス機能と,エンジニアが手動で定義するフィットネス機能を組み合わせた新しいフレームワークであるATheNAを提案する。
  論文  参考訳（メタデータ） (2022-07-22T11:37:02Z)
• Fitness Landscape Footprint: A Framework to Compare Neural Architecture Search Problems [12.901952926144258]
  我々は、フィットネスランドスケープ分析を用いて、ニューラルアーキテクチャー探索問題を研究する。 本稿では,古典画像分類ベンチマークCIFAR-10とリモートセンシング問題So2Sat LCZ42の2つの問題について検討する。
  論文  参考訳（メタデータ） (2021-11-02T13:20:01Z)
• A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
  ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。 そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
  論文  参考訳（メタデータ） (2021-10-18T20:13:38Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• A Systematic Literature Review on the Use of Deep Learning in Software Engineering Research [22.21817722054742]
  ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。 本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。 我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
  論文  参考訳（メタデータ） (2020-09-14T15:28:28Z)

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。