Особливості Підходів Щодо Автоматизованої Генерації Тестових Сценаріїв

В статті розкрито особливості підходів щодо автоматизованої генерації тестових сценаріїв. Узагальнено сучасні підходи до оптимізації тестових наборів (TSO) і чітко розмежовано підзадачі мінімізації (TSM) та пріоритизації (TSP), включно з грубогранулярними та тонкогранульними стратегіями. Показано зростання ролі ML/RL у TSO та відсутність уніфікованих протоколів оцінювання в оглядах, що ускладнює прямі порівняння методів. Систематизовано базові еталонні техніки вирішення задачі TSO: жадібні методи TSM, delta-debugging, слайсинг (HSFal і динамічний), еволюційні алгоритми (GA), ILP/MOIP-формулювання, кластеризаційні підходи, а також RL-орієнтовані схеми для TSP/генерації. Виявлено методологічний розрив: більшість підходів основаних на навчанні з підкріпленням у тестуванні фокусуються на фаззингу, грубогранулярній пріоритизації або селекції тестових сценаріїв, тоді як тонкогранулярне формування тестових сценаріїв для компільованих мов без формальних специфікацій досліджені недостатньо.