행동 적합성 측면에서 테스트 세트 평가 및 생성

요약 프로그램의 본질적인 행동을 적절히 포착하여 모든 결함이 식별되는 유한 테스트 세트를 식별하는 것은 잘 확립된 문제입니다. 전통적으로 이는 구문 적합성 메트릭(예: 분기 커버리지)을 통해 해결되지만, 이는 비현실적일 수 있으며 충족되더라도 오해를 일으킬 수 있습니다. 지난 30년 동안 이론적으로 논의되어 온 적합성의 직관적인 개념 중 하나는 행동 커버리지의 개념입니다: 테스트 실행에서 시스템의 정확한 모델을 유추할 수 있다면, 테스트 세트는 적합하다고 간주될 수 있습니다. 그 직관적인 근거에도 불구하고, 추론된 모델이 정확해야 한다는 기대 때문에 거의 전적으로 이론적 영역에 남아 있으며, 테스트 세트 생성을 안내하는 임시적 적합성 조치를 허용하지 않았습니다. 본 논문은 행동 커버리지를 통합하기 위한 실용적인 접근 방식을 제시합니다. 우리의 BESTEST 접근 방식은 (1) 기계 학습 알고리즘을 사용하여 표준 구문 테스트 접근 방식을 보강하고 (2) 검색 기반 테스트 기술이 이 기준에 따라 테스트 세트를 생성하는 데 어떻게 적용될 수 있는지를 보여줍니다. Java 유닛의 선택에 대한 실증 연구는 더 높은 행동 커버리지를 가진 테스트 세트가 발견된 결함 측면에서 현재의 기준 테스트 기준보다 상당히 우수하다는 것을 보여줍니다. © 2015 저자. John Wiley & Sons, Ltd.에서 발행한 소프트웨어 테스트, 검증 및 신뢰성.