テストスイート最適化のための概念分析に触発された貪欲なアルゴリズム

ソフトウェア開発ライフサイクル中に、エラーを早期に検出し、既存のソフトウェアの変更がソフトウェアを破損しないことを確保するために、ソフトウェアのテストと再テストは継続的に行われます。一度開発されたテストスイートは、ソフトウェアが進化するにつれて頻繁に再利用され、更新されます。その結果、テストスイート内の一部のテストケースは、時間とともにソフトウェアが修正されるために冗長となる場合があります。これは、それらによってカバーされる要件が他のテストケースによってもカバーされるからです。大規模なテストスイートを再実行する際のリソースと時間の制約から、冗長なテストケースを削除することによって利用可能なテストスイートを最小化する技術を開発することが重要です。一般的に、テストスイート最適化問題はNP完全です。本論文では、テストスイートTのすべての要件をカバーする最小部分集合を選択するための新しい貪欲ヒューリスティックアルゴリズムを提案します。私たちのアルゴリズムが概念分析フレームワークからどのようにインスパイアされたかを示します。テストスイートの削減の範囲を測定するために、私たちのアルゴリズムと以前のヒューリスティックによる実験を行いました。私たちの実験では、私たちのアルゴリズムは常に以前のヒューリスティックと同じサイズまたはそれより小さいサイズのテストスイートを選択し、比較的な時間性能を持っていました。