基于蒙特卡洛超启发式的工业嵌入式软件应用交互测试评估
软件工程
2020-02-19 v1
摘要
超启发式（hyper-heuristic）是一种用于自适应混合元启发式算法以推导求解优化问题的通用算法的新方法论。本工作关注一种称为带计数器的指数蒙特卡洛（Exponential Monte Carlo with Counter, EMCQ）的选择型超启发式。当前实现依赖于无记忆选择，这可能适得其反，因为所选搜索算子（在历史上）未必是当前搜索实例上性能最佳的算子。针对此问题，我们提出将记忆集成到 EMCQ 中，用于组合 t-wise 测试套件生成，采用基于 Q-learning 机制的强化学习，称为 Q-EMCQ。组合测试生成在工业程序上的有限应用会影响 Q-EMCQ 等技术的使用。因此，有必要针对相关工业软件评估此类方法，以展示覆盖代码所需的交互程度以及发现故障的能力。我们将 Q-EMCQ 应用于 37 个以功能块图（Function Block Diagram, FBD）语言编写的工业现实程序，这些程序用于开发庞巴迪运输瑞典公司（Bombardier Transportation Sweden AB）的列车控制管理系统。本研究结果表明，Q-EMCQ 是一种高效的测试用例生成技术。此外，不同于处理最小化问题的 t-wise 测试套件生成，我们还将 Q-EMCQ 应用于涉及通用模块聚类的最大化问题，以证明我们方法的有效性。
引用
@article{arxiv.2002.07443,
title = {An Evaluation of Monte Carlo-Based Hyper-Heuristic for Interaction Testing of Industrial Embedded Software Applications},
author = {Bestoun S. Ahmed and Eduard Enoiu and Wasif Afzal and Kamal Z. Zamli},
journal= {arXiv preprint arXiv:2002.07443},
year = {2020}
}
备注
37 Pages