VPP-ART：一种利用优势点划分实现固定候选集自适应随机测试的高效方法
软件工程
2021-12-07 v3
摘要
自适应随机测试（ART）是随机测试（RT）的增强，旨在通过使测试用例在输入域中更均匀分布来提高RT的故障检测有效性。已提出许多ART算法，其中固定候选集ART（FSCS-ART）是最有效且最流行的之一。FSCS-ART通过选择距先前执行测试用例最远的候选作为下一个测试用例来确保高故障检测有效性。尽管FSCS-ART具有良好的故障检测有效性，它也面临包括高计算开销在内的若干挑战。在本文中，我们提出FSCS-ART的增强版本——优势点划分ART（VPP-ART）。VPP-ART利用优势点划分解决FSCS-ART的计算开销问题，同时保持故障检测有效性。VPP-ART使用改进的优势点树（VP-tree）划分输入域空间，并在划分后的子域中找到候选测试用例的近似最近已执行测试用例——从而与FSCS-ART所需的搜索相比显著降低时间开销。为实现FSCS-ART动态插入过程，我们修改传统VP-tree以支持动态数据。仿真结果表明，与FSCS-ART相比，VPP-ART时间开销低得多，且提供了相似（或更好）的故障检测有效性，尤其在较高维输入域中。根据统计分析，VPP-ART可将FSCS-ART故障检测有效性提高约50%至58%。VPP-ART也比KDFC-ART算法（一系列基于KD-tree的增强ART算法）表现更优。我们的实验还表明VPP-ART比FSCS-ART和KDFC-ART更具成本效益。
引用
@article{arxiv.2105.06056,
title = {VPP-ART: An Efficient Implementation of Fixed-Size-Candidate-Set Adaptive Random Testing using Vantage Point Partitioning},
author = {Rubing Huang and Chenhui Cui and Dave Towey and Weifeng Sun and Junlong Lian},
journal= {arXiv preprint arXiv:2105.06056},
year = {2021}
}
备注
We have polished the previous version, to remove some potential problems