基于需求的在线测试合成：强化学习中的游戏论方法
人工智能
2024-07-30 v1 计算机科学与博弈论
机器学习
摘要
我们考虑从功能需求（指定为作用于响应式实现的自动机）中自动合成黑盒测试案例的在线问题。测试者的目标是到达某个给定状态，以满足覆盖准则，同时监控需求违规情况。我们基于蒙特卡洛树搜索（Monte Carlo Tree Search，一种强化学习中高效选择优质输入的经典技术）develop了一种方法。将自动机需求视为实现者与测试者之间的游戏，我们通过偏向在该游戏中具有优势性输入来开发启发式方法。我们在实验中表明，该启发式方法加速了蒙特卡洛树搜索算法的收敛，从而提高了测试性能。
引用
@article{arxiv.2407.18994,
title = {Online Test Synthesis From Requirements: Enhancing Reinforcement Learning with Game Theory},
author = {Ocan Sankur and Thierry Jéron and Nicolas Markey and David Mentré and Reiya Noguchi},
journal= {arXiv preprint arXiv:2407.18994},
year = {2024}
}