فایل ورد کامل اولویت بندی مورد آزمایشی براساس الگوریتم ژنتیک و پوشش نقاط آزمایش

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل اولویت بندی مورد آزمایشی براساس الگوریتم ژنتیک و پوشش نقاط آزمایش،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

۵ نتیجه گیری
کاربرد الگوریتم های ژنتیک در اولویت بندی مورد آزمایشی، می تواند بطور موثری اغماض در ترتیب موارد آزمایشی اجرا شده را کاهش داده و در نتیجه بازدهی آزمایش نرم افزار را افزایش دهد.
این مقاله یک ارزیابی جدید اولویت بندی مورد آزمایشی APRC و اصلاحیه آن APRC-C را برای آزمایش کارکردی پیشنهاد می کند. از آنجا که این ارزیابی ها روی پوشش نقاط آزمایش تمرکز دارند، برای آزمایش جعبه سیاه مناسب تر هستند. علاوه بر این، این مقاله یک روش اولویت بندی مورد آزمایشی با استفاده از الگوریتم های ژنتیک را ارائه می کند که APTC یا APTC-C را به عنوان تابع انطباق انتخاب کرده است. طرح های نمایش، انتخاب، تقابل و جهش در GA به آزمایش جعبه سیاه کمک می کند. ما گام های مشخص این روش را ارائه داده و آن را با داده های آزمایشگاهی صحت آزمایی کردیم.
نتایج آزمایشگاهی نشان می دهند که روش پیشنهادی می تواند نتایج مورد انتظار را بدست دهد. این روش یک رویکرد فنی موثر نسبت به مسئله اولویت بندی مورد آزمایشی ارائه می دهد. در آینده، ما تحقیق بیشتری در مورد بحث نقاط آزمایش و کاربردهای GA در تولید خودکار موارد آزمایشی جعبه سیاه انجام خواهیم داد.

عنوان انگلیسی:Test Case Prioritization Based on Genetic Algorithm and Test-Points Coverage~~en~~

۵ Conclusion

The use of genetic algorithms in test case prioritization, can effectively reduce the blindness in test cases executed order and so improve the efficiency of software testing. This paper proposed a new test case prioritization evaluation APRC and its improvement APRC_C for functional testing. As focused on test-points coverage, these evaluations are more suitable for black-box testing. In addition, this paper presented an automated test case prioritization method using of genetic algorithms which adopted APTC or APTC_C as fitness function. The designs of representation, selection, crossover and mutation in GA are aimed at blackbox testing. We gave the specific steps of the method and validated it by experimental data. The experimental results show that the proposed method can achieve expected results. It provides an effective technical approach to the test case prioritization problem. In the future, we will do further research in test-points automatically conversation and applications of GA in the automated generation of black-box test cases.

$$en!!