چکیده فارسی :

آزمون ترکیبی بر روی تشخیص خطاهای که به علت ارتباطات تعداد کوچکی از پارامترهای ورودی رخ میدهد، تمرکز دارد. همانطور به عنوان آزمون t-way شناخته شده است که اندازه مجموعه آزمون را با انتخاب یک مجموعه حداقلی از نمونه­های آزمایشی برای سیستم و برای پوشش زوج مرتب های ممکن t-way کاهش میدهد. یک مقدار بهینه­ای برای t (به عنوان درجه ای از ارتباطات) برای آزمونt-way در سیستم، شناسایی تعداد خطا در تعداد حداقلی از نمونه­های آزمایشی افزایش خواهد داد. با این حال شناسایی یک مقدار بهینه برای آزمونt-way به عنوان یک مسئله باز، شناخته میشود. در این مقاله ما یک روش برای شناسایی ارتباطاتی که در کد منبع موجود دارد ارائه میکنیم، درنتیجه تعداد ارتباطات مورد نیاز برای آزمون کاهش می یابد. گراف مسیرDD از کد منبع تولید شده و ارتباطات با استفاده از تکنیک های جریان داده شناسایی میشوند. همچنین برای نمایش روش ما از دو مورد مطالعاتی استفاده میشود. نتایج آزمایش نشان میدهد که روش ما به شکل موثری تعداد ارتباطاتی که باید آزمایش شوند را بدون از دست دادن قابلیت کشف خطا کاهش میدهد. این روش برای برنامه­هایی ساخت یافته با اندازه بزرگ قابل توسعه است.

چکیده انگلیسی‌:

Combinatorial testing focuses on identifying faults that arise due to interaction of values of a small number of input parameters. Also known as t-way testing, it reduces the size of test set by selecting a minimal set of test cases that cover all the possible t-way tuples. An optimal value of t (degree of interaction) for t-way testing for the system would maximize fault detection count in minimal number of test cases. However, identification of an optimal value of for t-way testing for the system remains an open issue. In this paper, we present an approach to identify the interactions that exist in the source code, thereby reducing the count of interactions to be tested. DD path graph is generated from the source code and interactions are identified using data flow techniques. Two case studies are also discussed in order to demonstrate our approach. Experimental results indicate that our approach significantly reduces the count of interactions to be tested without significant loss of fault detection capability. The approach is extensible to large sized structured programs.