-
شماره ركورد
23654
-
شماره راهنما
COM3 120
-
نويسنده
كريمي، ميثم
-
عنوان
چارچوبي جهت توليد مدل در آزمون تبديل مدل با استفاده از الگوريتم‌هاي فراابتكاري
-
مقطع تحصيلي
دكتري
-
رشته تحصيلي
مهندسي كامپيوتر - نرم افزار
-
دانشكده
مهندسي كامپيوتر
-
تاريخ دفاع
1402/9/30
-
صفحه شمار
176 ص.
-
استاد راهنما
شكوفه كلاه دوز رحيمي
-
كليدواژه فارسي
مهندسي مدل‌رانده , آزمون تبديل مدل , توليد خودكار مدل , الگوريتم بهينه‌سازي كلوني مورچه‌ها , الگوريتم بهينه‌ساز گرگ خاكستري
-
چكيده فارسي
تبديل مدل، يك جنبه‌ي كليدي در مهندسي مدل‌رانده براي ويرايش و ساخت مدل‌ها است و در نتيجه، صحت سيستم‌هاي نرم‌افزاري ساخته‌شده با رويكرد مهندسي مدل‌رانده عمدتاً بر صحت تبديل مدل متكي است؛ بنابراين، آزمون تبديل مدل از موضوعات تحقيقاتي رايج در سال‌هاي اخير بوده است. در آزمون تبديل مدل، توليد داده‌هاي آزمون از اهميت كليدي برخوردار است. مهم‌ترين اشكال اين است كه مجموعه‌هاي آزمون به‌راحتي در دسترس نيستند و بااينكه روش‌هاي متفاوتي كه براي توليد مدل اعم از روش‌هاي جعبه سفيد يا جعبه سياه در سال‌هاي اخير پيشنهاد شده است، رويكردهاي موجود براي توليد مدل نه‌تنها نيازمند ارائه‌ي فرامدلي است كه مدل‌ها بايد با آن مطابقت داشته باشند، بلكه برخي از مصنوعات خاص دامنه‌ي ديگر نيز نياز است. بااين‌حال، يك آزمونگر يا يك توسعه‌دهنده‌ي تبديل مدل كه قصد دارد پياده‌سازي تدريجي يك تبديل مدل را انجام دهد، ممكن است از همان ابتدا و درحالي‌كه تنها فرامدل را به عنوان ورودي در اختيار دارد، نياز داشته باشد تا يك مجموعه‌ي آزمون باكيفيت در اختيار داشته باشد، حتي قبل از اينكه همه‌ي الزامات تبديل مدل مشخص شوند. اين پژوهش، يك چارچوب جعبه سياه را براي توليد مدل‌هاي آزمون پيشنهاد مي‌كند كه در آن تنها فرامدلِ منبعِ تبديلِ مدل، يك ورودي اجباري است. در اين چارچوب، از دو الگوريتم بهينه‌سازي كلوني مورچه‌ها و بهينه‌ساز گرگ خاكستري به عنوان الگوريتم‌هاي فراابتكاري براي جستجوي مدل‌هاي آزمون در يك فضاي جستجو استفاده شده است كه دو هدف برازندگي، به نام‌هاي به حداكثر رساندن تنوع داخلي و به حداكثر رساندن تنوع خارجي را برآورده مي‌كنند. براي پشتيباني ابزاري و براي رسيدن به هدف موردنظر، نمونه‌ي اوليه چارچوبي به نام يكتا را ارائه مي‌كنيم كه اين رويكردها را پياده‌سازي كرده و مدل‌ها را در قالب XMI توليد مي‌كند. در آزمون تجربي، ارزيابي با بيش از 5000 تبديل مدل جهش‌يافته صورت گرفته و رويكرد پيشنهادي با دو ابزار شناخته‌شده در حوزه‌ي توليد مدل خودكار مقايسه شده است. مطالعه مقايسه‌اي با چارچوب‌هاي پيشرفته نشان مي‌دهد كه مدل‌ها در زمان‌هاي معقول با مصرف حافظه كم توليد مي‌شوند و يك امتياز كلي ارضاي جهش بالاي 80 درصد به دست آمده است كه برتري ابزار پيشنهادي در اين پژوهش را نسبت به روش‌هاي ديگر نشان مي‌دهد
-
كليدواژه لاتين
Model-Driven Engineering , Model Transformation Testing , Automated Model Generation , Ant Colony Optimization , Gray Wolf Optimizer
-
عنوان لاتين
A framework for generating models using meta-heuristic algorithms in the context of model-driven testing
-
گروه آموزشي
مهندسي نرم افزار
-
چكيده لاتين
In model transformation (MT) testing, test data generation is of key importance and the accuracy of software systems built with the model-driven engineering approach mainly relies on the accuracy of model transformations. A major drawback is that test suites are not available out of the box, and existing approaches to generate them require to provide not only the metamodel to which the models must conform, but some other domain-specific artifacts. However, a tester or a MT developer aiming to perform an incremental implementation of a MT may need to count on a quality test suite from the very beginning, even before all MT requirements are clear, only having the metamodels as input. We propose a black-box approach for the generation of test models where only the input metamodel of the MT is available. We propose a framework containing two meta-heuristic algorithms, namely, Ant-Colony Optimization and Gray Wolf Optimizer algorithms for the search of test models satisfying the objectives of maximizing internal diversity and maximizing external diversity. We provide a tool prototype named Yekta that implements this approach and generates the models in the well-established XMI interchange format. A comparison study with state-of-the-art frameworks shows that models are generated in reasonable times with low memory consumption. We empirically demonstrate the adequacy of our approach to generate effective test models, obtaining an overall mutation score above 80% from an evaluation with more than 5000 MT mutants.
-
تعداد فصل ها
6
-
استاد مشاور خارج از دانشگاه
خاوير ترويا
-
لينک به اين مدرک :
