論文の概要: Enhancing NeuroEvolution-Based Game Testing: A Branch Coverage Approach for Scratch Programs
- arxiv url: http://arxiv.org/abs/2507.09414v1
- Date: Sat, 12 Jul 2025 22:36:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:23.162546
- Title: Enhancing NeuroEvolution-Based Game Testing: A Branch Coverage Approach for Scratch Programs
- Title（参考訳）: 神経進化に基づくゲームテストの強化:スクラッチプログラムの分岐被覆アプローチ
- Authors: Khizra Sohail, Atif Aftab Ahmed Jilani, Nigar Azhar Butt,
- Abstract要約: 本稿では,自動ゲームテストにおけるテスト効率を向上させるために,分岐カバレッジに基づくフィットネス機能を提案する。
神経進化過程を導いて枝探索の最大化を図り、制御依存の枝を優先する枝適合機能を統合することでNEATESTを拡張した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated test generation for game-like programs presents unique challenges due to their non-deterministic behavior and complex control structures. The NEATEST framework has been used for automated testing in Scratch games, employing neuroevolution-based test generation optimized for statement coverage. However, statement coverage alone is often insufficient for fault detection, as it does not guarantee execution of all logical branches. This paper introduces a branch coverage-based fitness function to enhance test effectiveness in automated game testing. We extend NEATEST by integrating a branch fitness function that prioritizes control-dependent branches, guiding the neuroevolution process to maximize branch exploration. To evaluate the effectiveness of this approach, empirical experiments were conducted on 25 Scratch games, comparing Neatest with Statement Coverage (NSC) against Neatest with Branch Coverage (NBC). A mutation analysis was also performed to assess the fault detection capabilities of both techniques. The results demonstrate that NBC achieves higher branch coverage than NSC in 13 out of 25 games, particularly in programs with complex conditional structures. Moreover, NBC achieves a lower false positive rate in mutation testing, making it a more reliable approach for identifying faulty behavior in game programs. These findings confirm that branch coverage-based test generation improves test coverage and fault detection in Scratch programs.
- Abstract（参考訳）: ゲームライクなプログラムの自動テスト生成は、非決定論的動作と複雑な制御構造のために、ユニークな課題を示す。
NEATESTフレームワークは、ステートメントカバレッジに最適化された神経進化ベースのテスト生成を使用して、Scratchゲームの自動テストに使用されている。
しかしながら、ステートメントカバレッジだけでは、すべての論理分岐の実行を保証しないため、障害検出には不十分であることが多い。
本稿では,自動ゲームテストにおけるテスト効率を向上させるために,分岐カバレッジに基づくフィットネス機能を提案する。
神経進化過程を導いて枝探索の最大化を図り、制御依存の枝を優先する枝適合機能を統合することでNEATESTを拡張した。
提案手法の有効性を評価するため,25のスクラッチゲームにおいて,Neatest と Statement Coverage (NSC) を比較し,Neatest と Branch Coverage (NBC) を比較した実験を行った。
両手法の故障検出能力を評価するため, 突然変異解析も行った。
その結果,25ゲーム中13ゲーム,特に複雑な条件構造を持つプログラムにおいて,NBCはNSCよりも高いブランチカバレッジを実現していることがわかった。
さらに、NBCは突然変異検査における偽陽性率を低くし、ゲームプログラムの欠陥行動を特定するための信頼性の高いアプローチとなっている。
これらの結果から,Scratchプログラムの分岐カバレッジに基づくテスト生成により,テストカバレッジと障害検出が向上することが確認された。
関連論文リスト
- Studying the Impact of Early Test Termination Due to Assertion Failure on Code Coverage and Spectrum-based Fault Localization [48.22524837906857]
本研究は,アサーション障害による早期検査終了に関する最初の実証的研究である。
6つのオープンソースプロジェクトの207バージョンを調査した。
以上の結果から,早期検査終了は,コードカバレッジとスペクトルに基づく障害局所化の有効性の両方を損なうことが示唆された。
論文 参考訳（メタデータ） (2025-04-06T17:14:09Z) - On the Mistaken Assumption of Interchangeable Deep Reinforcement Learning Implementations [53.0667196725616]
ディープ・強化学習(Deep Reinforcement Learning, DRL)とは、エージェントがニューラルネットワークを使って特定の環境でどのアクションをとるかを学ぶ人工知能のパラダイムである。
DRLは最近、ドライビングシミュレーター、3Dロボット制御、マルチプレイヤー・オンライン・バトル・アリーナ・ビデオゲームといった複雑な環境を解くことで注目を集めている。
現在、Deep Q-Network (DQN) や Proximal Policy Optimization (PPO) アルゴリズムのような、これらのエージェントを訓練する最先端のアルゴリズムの実装が数多く存在する。
論文 参考訳（メタデータ） (2025-03-28T16:25:06Z) - Many-Objective Neuroevolution for Testing Games [8.422309223970302]
テストジェネレータNEATESTは、検索ベースのソフトウェアテスト原則と神経進化を組み合わせることで、課題に取り組む。
我々はNEATESTを複数のプログラム状態を同時に対象とする多目的探索アルゴリズムに変換する。
実験の結果,NEATESTを複数の目的に拡張することで,平均枝面積が75.88%から81.33%に増加することがわかった。
論文 参考訳（メタデータ） (2025-01-14T09:18:34Z) - Precise Error Rates for Computationally Efficient Testing [67.30044609837749]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳（メタデータ） (2023-11-01T04:41:16Z) - Contextual Predictive Mutation Testing [17.832774161583036]
MutationBERTは、ソースメソッドの突然変異とテストメソッドを同時にエンコードする予測突然変異テストのアプローチである。
精度が高いため、MutationBERTは、ライブミュータントをチェック・検証する以前のアプローチで費やされた時間の33%を節約する。
我々は、入力表現と、テストマトリックスレベルからテストスイートレベルまで予測を引き上げるためのアグリゲーションアプローチを検証し、同様の性能改善を見出した。
論文 参考訳（メタデータ） (2023-09-05T17:00:15Z) - Effective Test Generation Using Pre-trained Large Language Models and
Mutation Testing [13.743062498008555]
大規模言語モデル(LLM)が生成するテストケースの有効性を,バグの発見の観点から改善するための MuTAP を導入する。
MuTAPは、プログラム・アンダー・テスト(PUT)の自然言語記述がない場合に有効なテストケースを生成することができる
提案手法は, 最大28%の人書きコードスニペットを検出できることを示す。
論文 参考訳（メタデータ） (2023-08-31T08:48:31Z) - Fuzzing for CPS Mutation Testing [3.512722797771289]
本稿では, ファジテストを利用した突然変異検査手法を提案し, C および C++ ソフトウェアで有効であることが証明された。
実験により, ファジテストに基づく突然変異試験は, シンボル実行よりも高い頻度で生存変異体を殺傷することが明らかとなった。
論文 参考訳（メタデータ） (2023-08-15T16:35:31Z) - Using Neural Networks for Novelty-based Test Selection to Accelerate
Functional Coverage Closure [0.0]
本稿では,ニューラルネットワークに基づく新しいテスト選択のための,高度に自動化されたフレームワークを提案する。
このフレームワークの3つの構成は、商用信号処理ユニットでテストされる。
3つともランダムなテスト選択に勝り、シミュレーションの最大の節約率は49.37%であり、99.5%にまで達した。
論文 参考訳（メタデータ） (2022-07-01T14:11:08Z) - Is Neuron Coverage Needed to Make Person Detection More Robust? [3.395452700023097]
本研究では,混み合った場面における人物検出の課題に対して,CGT(Comported-Guided Testing)を適用した。
提案したパイプラインは、人検出にYOLOv3を使用し、サンプリングと突然変異によるバグの発見を含む。
調査対象の指標が強靭性向上に有効であることを示す証拠は見出されていない。
論文 参考訳（メタデータ） (2022-04-21T11:23:33Z) - SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video
Games Using Risk Based Testing and Machine Learning [62.997667081978825]
従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。
自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。
この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
論文 参考訳（メタデータ） (2022-03-10T00:47:46Z) - Global Optimization of Objective Functions Represented by ReLU Networks [77.55969359556032]
ニューラルネットワークは複雑で非敵対的な関数を学ぶことができ、安全クリティカルな文脈でそれらの正しい振る舞いを保証することは困難である。
ネットワーク内の障害を見つけるための多くのアプローチ(例えば、敵の例)があるが、これらは障害の欠如を保証できない。
本稿では,最適化プロセスを検証手順に統合し,本手法よりも優れた性能を実現する手法を提案する。
論文 参考訳（メタデータ） (2020-10-07T08:19:48Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳（メタデータ） (2020-04-26T23:41:33Z)
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。