增强基于神经进化的游戏测试：针对Scratch程序的分支覆盖方法
软件工程
2025-07-15 v1
摘要
针对游戏类程序的自动化测试生成面临独特挑战，由于其非确定性行为和复杂的控制结构。NEATEST框架已用于Scratch游戏中的自动化测试，采用神经进化测试生成，针对语句覆盖进行优化。然而，语句覆盖往往不足以发现故障，因为它不保证执行所有逻辑分支。本文引入基于分支覆盖的适应函数，以增强自动化游戏测试的有效性。我们通过集成分支适应函数来扩展NEATEST，该函数优先考虑控制依赖的分支，引导神经进化过程以最大化分支探索。为评估该方法的有效性，在25个Scratch游戏上进行了经验实验，比较了NEATEST的语句覆盖（NSC）与NEATEST的分支覆盖（NBC）。还进行了突变分析，以评估两种技术的故障检测能力。结果表明，在25个游戏中，NBC在13个游戏中实现了更高的分支覆盖，特别是在具有复杂条件结构的程序中。此外，NBC在突变测试中实现了更低的假阳性率，使其在识别游戏程序中的故障行为方面更可靠。这些发现确认，基于分支覆盖的测试生成方法提高了Scratch程序的测试覆盖率和故障检测能力。
引用
@article{arxiv.2507.09414,
title = {Enhancing NeuroEvolution-Based Game Testing: A Branch Coverage Approach for Scratch Programs},
author = {Khizra Sohail and Atif Aftab Ahmed Jilani and Nigar Azhar Butt},
journal= {arXiv preprint arXiv:2507.09414},
year = {2025}
}