DRIFT：用于功能性软件测试的深度学习强化学习框架
机器学习
2020-07-17 v1 人工智能
机器学习
摘要
高效的软件测试对于高生产力的软件开发与可靠的用户体验至关重要。由于人工测试低效且昂贵，需要自动化软件测试。本工作中，我们提出一种用于功能性软件测试的强化学习(RL)框架，名为DRIFT。DRIFT运行于用户界面的符号表示之上。它通过Batch-RL使用Q-learning，并以图神经网络建模状态-动作值函数。我们将DRIFT应用于测试Windows 10操作系统，并表明DRIFT能以完全自动化的方式稳健触发所需的软件功能。我们的实验测试了跨不同应用程序执行单一与组合任务的能力，证明我们的框架能高效测试具有大范围测试目标的软件。
引用
@article{arxiv.2007.08220,
title = {DRIFT: Deep Reinforcement Learning for Functional Software Testing},
author = {Luke Harries and Rebekah Storan Clarke and Timothy Chapman and Swamy V. P. L. N. Nallamalli and Levent Ozgur and Shuktika Jain and Alex Leung and Steve Lim and Aaron Dietrich and José Miguel Hernández-Lobato and Tom Ellis and Cheng Zhang and Kamil Ciosek},
journal= {arXiv preprint arXiv:2007.08220},
year = {2020}
}