Incorporando preferências do usuário em uma abordagem de teste de linha de produto de software baseada em otimização multiobjetivo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVergilio, Silvia Regina, 1966--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática-
Autor(es): dc.creatorJakubovski Filho, Helson Luiz-
Data de aceite: dc.date.accessioned2019-08-21T23:35:40Z-
Data de disponibilização: dc.date.available2019-08-21T23:35:40Z-
Data de envio: dc.date.issued2018-09-21-
Data de envio: dc.date.issued2018-09-21-
Data de envio: dc.date.issued2018-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/55862-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/55862-
Descrição: dc.descriptionOrientadora: Profa. Dra. Silvia Regina Vergilio-
Descrição: dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 23/03/2018-
Descrição: dc.descriptionInclui referências: p.85-91-
Descrição: dc.descriptionÁrea de concentração: Ciência da Computação-
Descrição: dc.descriptionResumo: Algoritmos evolutivos multi-objetivos (Evolutionary Multi-objective Algorithms - EMOAs) têm sido aplicados com sucesso para derivar um conjunto de produtos para o teste de variabilidades de Linha de Produto de Software (LPS). Esta tarefa é complexa, impactada por muitos fatores, como o número de produtos a serem testados, os critérios de cobertura a serem satisfeitos e a eficácia em revelar defeitos. Entretanto, implementações com estes algoritmos geralmente produzem muitas soluções que não são interessantes para o testador. Isso acontece porque os algoritmos de busca tradicionais não levam em consideração as preferências do usuário. Para facilitar a seleção das melhores soluções e evitar o esforço gerando soluções não interessantes, este trabalho introduz uma abordagem que aplica algoritmos multi-objetivos evolutivos baseados em preferência (Preference-Based Evolutionary Multi-objective Algorithm - PEMOAs) para resolver o problema. Dessa forma são considerados diferentes objetivos sendo o número produtos a serem testados, cobertura pairwise e escore de mutação. As preferências do testador são incorporadas antes do processo evolutivo iniciar (a priori) utilizando-se o método de ponto de referência (Reference Point - RP). São avaliados dois PEMOAs: R-NSGA-II e r-NSGA-II, usando duas formulações diferentes de objetivos e três tipos de RPs. É apresentada uma abordagem de hiper-heurística (HH) baseada em preferência para resolver esse problema. A abordagem implementa os dois PEMOAs, trabalhando com os métodos de seleção Choice Function, FRR-MAB, e um método aleatório. O objetivo da HH baseada em preferência é realizar a seleção automática de operadores genéticos, guiando a busca pela região de interesse (ROI) do testador. Os experimentos realizados mostram que os PEMOAs apresentam bons resultados, superando o algoritmo tradicional NSGA-II em relação à proximidade das soluções com o RP informado pelo testador e também ao número de soluções geradas dentro e fora da ROI. A utilização da HH baseada em preferência apresentou resultados ainda melhores, superando uma HH tradicional (NSGA-II-HH) encontrada na literatura. A utilização de HHs proporciona mais flexibilidade para o testador por permitir a seleção automática de operadores genéticos. O uso de PEMOAs reduz o esforço do testador na tarefa de selecionar o melhor conjunto de produtos para o teste de LPS. Palavras-chave: Linha de Produto de Software, Teste de Software, Algoritmo Evolutivo Multiobjetivo, Algoritmos baseados em preferência, hiper-heurística.-
Descrição: dc.descriptionAbstract: Evolutionary Multi-Objective Algorithms (EMOAs) have been successfully applied to derive a set of products for variability testing of Software Product Line (SPL). This task is complex, impacted by many factors such as the number of products to be tested, the coverage of some criteria to be satisfied, and the efficacy for revealing faults. However, implementations with these algorithms often produce many solutions that are not interesting to the tester. This is because traditional search algorithms do not take into account user preferences. To facilitate the selection of the best solutions and to avoid the effort generating non-interesting solutions, this work introduces an approach that applies Preference-based Evolutionary Multi-objective Algorithms (PEMOAs) to solve the problem. In this way, different objectives are considered being the number of products to be tested, pairwise coverage and mutation score. The preferences of the tester are incorporated before the evolutionary process (a priori), using the Reference Point (RP) method. Two PMOEAs are evaluated: R-NSGA-II and r-NSGA-II, using two different formulations of objectives and three types of RPs. In addition this work presents a preference-based hyper-heuristic (HH) approach to solve this problem. The approach implements both PMOEAs, working with the selection methods: Choice Function, FRR-MAB, and random. The purpose of a preference-based HH is to perform the automatic selection of genetic operators, guiding the search to a Region of Interest (ROI). The experiments show that the PMOEAs present good results, overcome the traditional NSGA-II algorithm in relation to the proximity of the solutions with RP informed by the tester and also the number of solutions generated inside and outside the ROI. Moreover, the use of the HH based on preference present even better results, better than a traditional HHs (NSGA-II-HH) found in the literature. Besides, the use of HH is more flexible and allow automatic selection of operators. The use of PEMOAs reduces tester's effort to select the best set of products for SPL testing. Keywords: Software Product Line, Software Testing, Multiobjective Evolutionary Algorithm, Preference-Based Algorithms, Hyper-Heuristic.-
Formato: dc.format110 p. : il.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectEngenharia de linha de produto de software-
Palavras-chave: dc.subjectCiencia da computação-
Palavras-chave: dc.subjectSoftware - Produtividade-
Palavras-chave: dc.subjectAlgoritmos de computador-
Palavras-chave: dc.subjectTeses-
Título: dc.titleIncorporando preferências do usuário em uma abordagem de teste de linha de produto de software baseada em otimização multiobjetivo-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.