Enhancing mutation testing: Search-based optimization to improve testing quality
Mutasyon testini geliştirme: Test kalitesinin iyileştirilmesi için arama tabanlı optimizasyon
- Tez No: 845445
- Danışmanlar: DR. ÖĞR. ÜYESİ KAAN KURTEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 152
Özet
Yazılım testi, yazılım geliştirme yaşam döngüsünün önemli bir aşamasıdır. Kapsamlı test faaliyetleri olmadan ortaya çıkan ürün kullanışsız veya güvenilmezdir. Kaynak kodundaki değişiklikler test paketlerinin yeniden yürütülmesini gerektirdiği için, kod kapsamı projenin gereksinimleriyle uyumlu olmalıdır. Hata odaklı bir şeffaf kutu birim test tekniği olan mutasyon testi, test paketlerinin kalitesinin değerlendirilmesi ve test prosedürlerindeki zayıflıkların belirlenmesi için kullanılır. Mutasyon testinin uygulanması her ne kadar etkili olsa da, yüksek maliyetler, eşdeğer mutantların varlığı ve test paketlerindeki test fazlalıkları nedenlerinden dolayı uygulamada zorluklar göstermektedir. Bu çalışmada, yazılım mühendisliğinde mutasyon testi araştırılmış, klasik metodolojilerden yapay zeka ve yenilikçi hibrit tekniklerin entegrasyonuna kadar gelişiminin izini sürülmüştür. Mutasyon testinin geleneksel ilkeleri ve problemleri incelenmiş ve C\# programlama dili için mutasyon test araçlarının derinlemesine analizi yapılmıştır. Test grubu azaltma problemini optimize etmek için iki metasezgisel yöntemi (genetik algoritmalar ve karınca kolonisi optimizasyonu) birleştiren arama tabanlı mutaston testi için yeni bir hibrit yöntem sunulmuştur. Eşdeğer mutantlar sorunu, daha üst düzey mutasyon testlerinin verimliliğini artırmak için genetik algoritmalar kullanılarak ele alınmıştır. Sonuç olarak bu çalışma, test kalitesinin iyileştirilmesi için mutasyon testine katkı sağlamaktadır. Gelişmiş hesaplama tekniklerini entegre eden, böylece daha etkili, verimli ve gelişmiş yazılım kalite güvence uygulamalarının önünü açan yaklaşımlar önermiştir.
Özet (Çeviri)
Software testing is a crucial phase in the software development lifecycle. Without thorough testing activities, the product may be ineffective or unreliable. Because any changes in the source code require the re-execution of test suites, it is important that the code coverage aligns with the requirements of the project. Mutation testing, a fault-oriented white-box unit testing technique, is the process that enables the evaluation of the quality of test suites and identify weaknesses in test procedures. Although effective, the application of mutation testing faces a range of challenges: high costs, the presence of equivalent mutants, and the redundancies in test suites. This study therefore aims to explore the progress of mutation testing and its position within software engineering, tracing its evolution from classic methodologies to the integration of artificial intelligence and innovative search-based hybrid techniques. This involves delving into the traditional principles of mutation testing, its problems, providing an in-depth analysis of mutation testing tools, particularly for C\#, and evaluating their functionalities. This leads into the introduction of a novel hybrid method, combining two meta-heuristics: genetic algorithms and ant colony optimization, the aim of which is to optimize the test suite reduction problem in search-based mutation testing. The problem of equivalent mutants is also addressed by utilizing genetic algorithms to enhance the efficiency of higher-order mutation testing. Consequently, this research contributes to mutation testing in solving problems mentioned above. It proposes innovative approaches that integrate advanced computational techniques, and thus paving the way for more effective software quality assurance practices.
Benzer Tezler
- Python söz dizimi hatalarının derin öğrenme yöntemleri ile onarılması
Fixing python syntax errors with deep learning methods
SENA DİKİCİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Computational approaches for improving analysis of diagnostic next-generation sequencing
Tanısal yeni nesil dizilemenin analizini iyileştirmeye yönelik hesaplamalı yaklaşımlar
ERDEM TÜRK
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBiyoinformatik Ana Bilim Dalı (Disiplinlerarası)
DOÇ. DR. BARIŞ ETHEM SÜZEK
- Kanser hücre hatlarında multi-omik verilerin ağ tabanlı entegrasyonundan öğrenme yoluyla ilaç yanıtının tahmin edilmesi
Predicting drug response through learning from network-based integration of multi-omics data in cancer cell lines
SINA DADMAND
Yüksek Lisans
İngilizce
2023
Mühendislik BilimleriKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. NURCAN TUNÇBAĞ
- Alkali ve termostabil keratinaz üretıcısı doğal Bacillus sp. ve Streptomyces sp. suşlarında genetik manipülasyon ile enzim üretıminin arttırılması, enzim üretimi, karakterizasyonu ve endüstriyel alanlarda kullanılabilirliliğinin araştırılması
Enhancing the enzyme production from alkaline and thermostable keratinase producer native Bacillus sp. and Streptomyces sp. strains by genetic manipulation, and enzyme characterization
YASEMİN CAF
Doktora
Türkçe
2015
BiyoteknolojiÇukurova ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. BURHAN ARIKAN
- Anoxybacillus gonensis glukoz izomerazının genetik manipulasyonlarla bazı biyokimyasal özelliklerinin geliştirilmesi
Enhancing some biochemical properties of Anoxybacillus gonensis glucose isomerase by genetic manipulation
HAKAN KARAOĞLU
Doktora
Türkçe
2010
BiyokimyaKaradeniz Teknik ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. ALİ OSMAN BELDÜZ