حمید رفعتی - 22/4/90

 آقای حمید رفعتی پرشکوه دانشجوی کارشناسی ارشد جناب آقای دکتر سعیدپارسا روز چهارشنبه 22/4/90 ساعت 8:30 صبح در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر ازپروژه کارشناسی ارشد خود تحت عنوان ارائه راهکاری جدید به منظور کمینه سازی ورودیهای مسبب خرابی برنامه براساس موارد آزمون تولید شده دفاع خواهند نمود.  

 چکیده پایان نامه:

  با توجه به اینکه آزمون نرم­افزار یکی از مهم­ترین و پرهزینه­ترین بخش­ها در چرخه حیات سیستم­های می­باشد؛ ارائه راهکاری برای خودکارسازی این مرحله، مورد توجه بسیار بوده است. هدف از این پایان­نامه، ارائه روشی برای تولید خودکار موارد آزمون است؛ که می­توان به کمک آنها قابلیت اطمینان برنامه­ها را افزایش داد. همچنین روش ارائه شده، با استفاده از الگوریتم­های ژنتیک و تنها با در اختیار داشتن یک ورودی مسبب خرابی، تلاش می­کند تا یک اجرای موفق که مسیر اجرایی آن کمترین فاصله را از نظر گزاره­های اجرا شده، با مسیر ناموفق داشته باشد، تعیین نماید. بدین ترتیب می­توان با مقایسه مسیرهای متناظر این دو اجرا، بخش­های موثر در بروز خرابی را شناسایی نمود. همچنین برای بهبود جواب­های به دست آمده، از روش خوشه­بندی k-means بهره گرفته شده؛ تا ورودی­ها بر اساس مشابهت مسیرهایشان دسته­بندی شوند. برای ارزیابی روش پیشنهادی، آزمایشات بسیاری روی مجموعه­ای از برنامه­های بسته زیمنس انجام گرفته است. نتایج بدست آمده نشان دهنده این هستند که، داده­های تولید شده علاوه بر پوشش مسیرهای مختلف برنامه، می­توانند ما را در شناسایی مسبب بروز خرابی یاری نمایند.

  کلمات کلیدی : آزمون نرم­افزار، مکان­یابی خرابی، تولید موارد آزمون، الگوریتم­های ژنتیک

 : Abstract

  Regards to the importance of testing in software’s life cycle, the use of some techniques to automate it, is necessary. The aim of proposed approach is to improve the reliability of programs by generating test cases considering different execution paths of the program. The introduced method assumes that only a single failing run is available for the program and applies a genetic algorithm which searches for the most similar failing and passing runs in terms of their executed predicates. By contrasting the similar passing and failing runs, the predicates that are different in two executions are reported as fault relevant ones. We have also applied the k-means clustering technique to partition the test cases according to their execution paths in order to ensure about the quality of software and locate the existing faults of the program. To evaluate the accuracy of the proposed method, we have conducted some case studies on a number of Siemens programs including different faulty versions. The results show the capability of the proposed method in generating a wide variety of test cases which could cover different execution paths. The results also show the effectiveness of the approach in localizing faults according to detected fault relevant predicates.

  Keywords: Software Testing, Fault Localization, Test Case Generation, Genetic Algorithm.

ارائه­دهنده:

حمید رفعتی پرشکوه

  اساتید راهنما:

دکتر سعید پارسا

  استاد ممتحن داخلی : دکتر بهروز مینایی

  استاد ممتحن خارجی :دکتر حسن حقیقی

زمان : چهارشنبه 22 تیرماه ماه 1390

  ساعت 8:30 صبح

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی