迭代影响分析中启发式方法的评估
软件工程
2019-07-23 v1
摘要
迭代影响分析（IIA）是一种允许开发人员估计软件变更所影响单元的过程。从单个受影响单元开始，开发人员通过程序依赖检查其交互单元以识别同样受影响的单元，该过程迭代进行。经验表明，开发人员经常遗漏受影响单元并检查许多不相关单元。在本工作中，我们研究引导开发人员在 IIA 期间找到实际受影响单元的传播启发式方法，以及帮助判断估计影响是否完整的终止启发式方法。这两类启发式方法的作用互补，并在 IIA 中使用时影响精确率与召回率。我们调研了改编自先前发表文献的若干传播启发式方法，并将其与一种实用的终止启发式方法相结合。我们开发了一种重演过程，模拟开发人员在 IIA 中使用这些启发式方法的行动，并评估了它们的性能。用于重演的软件变更是从开源项目仓库中挖掘的。我们发现 IIA 比其他已知的影响分析技术提供更好的召回率。然而，我们所研究的带传播启发式方法的 IIA 并未超越结合随机检查的 IIA，因此这些启发式方法对 IIA 没有帮助。
引用
@article{arxiv.1907.08730,
title = {Evaluating Heuristics for Iterative Impact Analysis},
author = {Yibin Wang and Maksym Petrenko and Václav Rajlich},
journal= {arXiv preprint arXiv:1907.08730},
year = {2019}
}
备注
11 pages