Efficient increasing of the mutation score during model-based test suite generation
The purpose of the method is to increase the sensitivity of an automatically generated test suite to mutations of a model. Unlike existing methods for generating test scenarios that use the mutational approach to assess the resulting test set, the proposed method analyzes the possibility of detectin...
Збережено в:
| Опубліковано в: : | Проблеми програмування |
|---|---|
| Дата: | 2020 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Англійська |
| Опубліковано: |
Інститут програмних систем НАН України
2020
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/180479 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Efficient increasing of the mutation score during model-based test suite generation / A. Kolchin, S. Potienko, T. Weigert // Проблеми програмування. — 2020. — № 2-3. — С. 331-340. — Бібліогр.: 29 назв. — англ. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862661636380164096 |
|---|---|
| author | Kolchin, A. Potienko, S. Weigert, T. |
| author_facet | Kolchin, A. Potienko, S. Weigert, T. |
| citation_txt | Efficient increasing of the mutation score during model-based test suite generation / A. Kolchin, S. Potienko, T. Weigert // Проблеми програмування. — 2020. — № 2-3. — С. 331-340. — Бібліогр.: 29 назв. — англ. |
| collection | DSpace DC |
| container_title | Проблеми програмування |
| description | The purpose of the method is to increase the sensitivity of an automatically generated test suite to mutations of a model. Unlike existing methods for generating test scenarios that use the mutational approach to assess the resulting test set, the proposed method analyzes the possibility of detecting mutations on the fly, in the process of analyzing the model’s behavior space, by adding of special coverage goals. Two types of mutants manifestation are considered: deviations in the behavior of paths for (weak case) and in the observed output (strong case). A new algorithm is proposed for efficient search of a path with observable effect of a mutation.
Цель метода – повысить чувствительность автоматически генерируемого тестового набора к мутациям модели. В отличие от существующих методов генерации тестовых сценариев, которые используют мутационный подход для оценки полученного тестового набора, предложенный метод анализирует возможность обнаружения мутаций «на лету», в процессе анализа пространства поведения модели, добавляя специальные цели покрытия. Рассматриваются два вида проявления мутаций: отклонение в поведении путей (случай слабого обнаружения) и в наблюдаемых выходных сигналах (случай сильного обнаружения). Предложен новый алгоритм для эффективного поиска пути ведущего к наблюдаемому эффекту мутации.
Мета методу – підвищити чутливість автоматично генерованого тестового набору до мутацій моделі. На відміну від існуючих методів генерації тестових сценаріїв, які використовують мутаційний підхід для оцінки отриманого тестового набору, запропонований метод аналізує можливість виявлення мутацій «на льоту», в процесі аналізу простору поведінки моделі, додаючи спеціальні цілі покриття. Розглядаються два види прояву мутацій: відхилення в поведінці шляхів (випадок слабкого виявлення) і в спостережуваних вихідних сигналах (випадок сильного виявлення). Запропоновано новий алгоритм для ефективного пошуку шляху до спостереження ефекту мутації.
|
| first_indexed | 2025-12-02T12:25:28Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-180479 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1727-4907 |
| language | English |
| last_indexed | 2025-12-02T12:25:28Z |
| publishDate | 2020 |
| publisher | Інститут програмних систем НАН України |
| record_format | dspace |
| spelling | Kolchin, A. Potienko, S. Weigert, T. 2021-09-29T18:42:58Z 2021-09-29T18:42:58Z 2020 Efficient increasing of the mutation score during model-based test suite generation / A. Kolchin, S. Potienko, T. Weigert // Проблеми програмування. — 2020. — № 2-3. — С. 331-340. — Бібліогр.: 29 назв. — англ. 1727-4907 DOI: https://doi.org/10.15407/pp2020.02-03.331 https://nasplib.isofts.kiev.ua/handle/123456789/180479 004.415.53+004.832.23+004.052.3 The purpose of the method is to increase the sensitivity of an automatically generated test suite to mutations of a model. Unlike existing methods for generating test scenarios that use the mutational approach to assess the resulting test set, the proposed method analyzes the possibility of detecting mutations on the fly, in the process of analyzing the model’s behavior space, by adding of special coverage goals. Two types of mutants manifestation are considered: deviations in the behavior of paths for (weak case) and in the observed output (strong case). A new algorithm is proposed for efficient search of a path with observable effect of a mutation. Цель метода – повысить чувствительность автоматически генерируемого тестового набора к мутациям модели. В отличие от существующих методов генерации тестовых сценариев, которые используют мутационный подход для оценки полученного тестового набора, предложенный метод анализирует возможность обнаружения мутаций «на лету», в процессе анализа пространства поведения модели, добавляя специальные цели покрытия. Рассматриваются два вида проявления мутаций: отклонение в поведении путей (случай слабого обнаружения) и в наблюдаемых выходных сигналах (случай сильного обнаружения). Предложен новый алгоритм для эффективного поиска пути ведущего к наблюдаемому эффекту мутации. Мета методу – підвищити чутливість автоматично генерованого тестового набору до мутацій моделі. На відміну від існуючих методів генерації тестових сценаріїв, які використовують мутаційний підхід для оцінки отриманого тестового набору, запропонований метод аналізує можливість виявлення мутацій «на льоту», в процесі аналізу простору поведінки моделі, додаючи спеціальні цілі покриття. Розглядаються два види прояву мутацій: відхилення в поведінці шляхів (випадок слабкого виявлення) і в спостережуваних вихідних сигналах (випадок сильного виявлення). Запропоновано новий алгоритм для ефективного пошуку шляху до спостереження ефекту мутації. en Інститут програмних систем НАН України Проблеми програмування Методи машинного навчання Efficient increasing of the mutation score during model-based test suite generation Эффективное увеличение количества мутаций при создании набора тестов на основе модели Ефективне збільшення оцінки мутації під час генерації набору тестів на основі моделі Article published earlier |
| spellingShingle | Efficient increasing of the mutation score during model-based test suite generation Kolchin, A. Potienko, S. Weigert, T. Методи машинного навчання |
| title | Efficient increasing of the mutation score during model-based test suite generation |
| title_alt | Эффективное увеличение количества мутаций при создании набора тестов на основе модели Ефективне збільшення оцінки мутації під час генерації набору тестів на основі моделі |
| title_full | Efficient increasing of the mutation score during model-based test suite generation |
| title_fullStr | Efficient increasing of the mutation score during model-based test suite generation |
| title_full_unstemmed | Efficient increasing of the mutation score during model-based test suite generation |
| title_short | Efficient increasing of the mutation score during model-based test suite generation |
| title_sort | efficient increasing of the mutation score during model-based test suite generation |
| topic | Методи машинного навчання |
| topic_facet | Методи машинного навчання |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/180479 |
| work_keys_str_mv | AT kolchina efficientincreasingofthemutationscoreduringmodelbasedtestsuitegeneration AT potienkos efficientincreasingofthemutationscoreduringmodelbasedtestsuitegeneration AT weigertt efficientincreasingofthemutationscoreduringmodelbasedtestsuitegeneration AT kolchina éffektivnoeuveličeniekoličestvamutaciiprisozdaniinaboratestovnaosnovemodeli AT potienkos éffektivnoeuveličeniekoličestvamutaciiprisozdaniinaboratestovnaosnovemodeli AT weigertt éffektivnoeuveličeniekoličestvamutaciiprisozdaniinaboratestovnaosnovemodeli AT kolchina efektivnezbílʹšennâocínkimutacíípídčasgeneracíínaborutestívnaosnovímodelí AT potienkos efektivnezbílʹšennâocínkimutacíípídčasgeneracíínaborutestívnaosnovímodelí AT weigertt efektivnezbílʹšennâocínkimutacíípídčasgeneracíínaborutestívnaosnovímodelí |