روشي نوين براي انتخاب خودكار موارد آزمون نرم‌افزار با استفاده از الگوريتم بهينه‌سازي كرم شب‌تاب

New Approach to Automatic Software Test Case Selection Using Firefly Optimization Algorithm

تست نرم افزار فعاليت بسيار هزينه بري مي‌باشد به‌طوري كه گاهي 40 درصد از هزينه نهايي توسعه نرم افزار را به خود اختصاص مي‌دهد. در اين شرايط به نظر مي رسد كه اتوماتيك سازي راه حل كليدي براي بهبود بهره وري و اثربخشي فرآيند تست مي‌باشد. در اين راستا ابزار اتوماتيك تست در تسريع اجراي آزمون به تيم ارزيابي بسيار كمك مي‌كند؛ اما اولويت بندي مورد آزمون با استفاده از اطلاعات پوشش كد به تيم تست كمك مي‌كند تا سرعت تشخيص خطاها در طول آزمايش را به‌طور چشم گيري بهبود بخشد. اين مساله چالشي بزرگ در انتخاب موارد آزمون مي‌باشد. اندازه تست رگرسيون و فرايند انتخاب آن از پيچيدگي خاصي به علت زمان بر بودن آن و محدوديت بودجه براي تست كنندگان اين روش برخوردار است. در اين تحقيق، از الگوريتم بهينه‌سازي كرم شب‌تاب براي اولويت‌بندي نمونه تست‌ها در يك مجموعه تست رگرسيون بر پايه پوشش كامل خطاها استفاده مي‌شود كه اين امر از طريق مطالعه بر روي رفتار طبيعي كرم شب‌تاب براي يافت بهترين تجربه شخصي و گروهي حاصل گرديده است. الگوريتم پيشنهادي با هدف پوشش حداكثري كد بيان مي‌گردد. اين روش هزينه آزمايش رگرسيون را به‌طور مناسب كاهش خواهد داد و علاوه بر اين با افزايش نرخ تشخيص خطا و كاهش تعداد موارد آزمون بكار رفته در تست برنامه همراه خواهد بود.

Software testing activities is very costly. So that sometimes accounted for 40% percent of final cost of software development. Under these conditions it seems that automation is a key solution to improve the efficiency and effectiveness of the testing process. In this regard automatic testing tools help assessment team in accelerating test implementation, but the priority of test cases by using code covering information help the test team to impressively reduce the speed of error detection during experiment. This is a big challenge in choosing test cases. Regression test’s size and process of choosing it is complex because of its time and budget constraints. In this study, firefly optimization algorithm is used to prioritize test samples based on full coverage errors in a regression test suite which is by study on firefly natural behavior to find the best individual and group experience. The suggested algorithm expressed with the aim of maximum code coverage. This method decrease the cost of regression test appropriately besides will be with the increase of error detection rate and reduce of test cases has used in the test.