结合神经进化与新颖性搜索以改进游戏测试输入生成

由于游戏对传统的自动化白盒测试生成器提出了挑战,Neatest方法生成由神经网络组成的测试套件,这些神经网络通过玩游戏来执行源代码。Neatest使用进化算法生成这些神经网络,该算法由针对单个源代码语句的目标函数引导。如果目标函数提供足够的引导,这种方法效果很好,但具有欺骗性或复杂性的适应度景观可能会抑制搜索。在本文中,我们研究了在搜索过程中促进新颖行为是否可以解决具有挑战性的适应度景观问题。我们对两个Scratch游戏的案例研究表明,奖励新颖行为是克服具有挑战性的适应度景观的一种有前景的方法,从而为未来研究如何调整搜索算法以最佳利用这些信息铺平了道路。