利用支持向量机引导搜索朝向引发故障的测试输入
软件工程
2024-01-24 v1 神经与进化计算
摘要
在本文中，我们提出了 NSGA-II-SVM（带支持向量机引导的非支配排序遗传算法），这是一种新颖的可学习进化与基于搜索的测试算法，它利用支持向量机（SVM）分类模型来引导搜索朝向揭示故障的测试输入。在遗传搜索的支持下，NSGA-II-SVM 迭代地创建基于 SVM 的测试输入空间模型，学习搜索空间中哪些区域值得探索。随后的采样和进化搜索迭代的重复执行，使得模型在预测上得以细化并变得更加精确。我们通过测试一个自动代客泊车系统对 NSGA-II-SVM 进行的初步评估表明，与最先进的可学习进化测试技术以及朴素的随机搜索相比，NSGA-II-SVM 在识别更关键的测试用例方面更为有效。
引用
@article{arxiv.2401.12364,
title = {Guiding the Search Towards Failure-Inducing Test Inputs Using Support Vector Machines},
author = {Lev Sorokin and Niklas Kerscher},
journal= {arXiv preprint arXiv:2401.12364},
year = {2024}
}
备注
Accepted for DeepTest Workshop at ICSE '24