چکیده فارسی :

با بهینه سازی ترتیب اجرایی موارد آزمایشی، شیوه های اولویت بندی مورد آزمایشی می توانند بطور موثری بازدهی آزمایش نرم افزار را بالا برند. اولویت بندی مورد آزمایشی، در حال تبدیل شدن به یک موضوع قابل توجه در تحقیق آزمایش نرم افزار است. این مقاله با ترکیب الگوریتم ژنتیک با پوشش نقاط آزمایش، برخی نتایج تحقیقی معناداری را در اولویت بندی مورد آزمایشی به ویژه برای آزمایش کارکردی بدست می آورد. ابتدا، دو ارزیابی جدید اولویت بندی مورد آزمایشی APTC و اصلاحیه آن APRC-C را ارائه می دهد. این ارزیابی ها چون متمرکز بر پوشش نقاط آزمایش هستند، برای آزمایش جعبه سیاه مناسب تر می باشند. سپس، یک روش اولویت بندی مورد آزمایشی براساس الگوریتم ژنتیک ارائه می دهد که نمایش، انتخاب، تقابل و جهش آن برای آزمایش جعبه سیاه طراحی می شود. در نهایت، روش پیشنهادی را با داده های آزمایشات بازبینی می کند. نتایج آزمایشگاهی نشان می دهند که روش پیشنهادی می تواند اثر مطلوب را ایجاد کند.

چکیده انگلیسی :

By optimizing the execution order of test cases, test case prioritization techniques can effectively improve the efficiency of software testing. Test case prioritization is becoming a hot topic in software testing research. Combining genetic algorithm with test-points coverage, this paper obtains some meaningful research results in test case prioritization, especially for the functional testing. Firstly, presents two new test case prioritization evaluations APTC and its improvement APRC_C. As focused on test-points coverage, these evaluations are more suitable for black-box testing. Then, proposes a test case prioritization method based on genetic algorithm, whose representation, selection, crossover and mutation are designed for black-box testing. Finally, verifies the proposed method by experiments data. The experimental results show that the proposed method can achieve desired effect.