[論文レビュー] Applying Genetic Algorithm for Prioritization of Test Case Scenarios Derived from UML Diagrams

Chayanika Sharma, Sangeeta Sabharwal+1 more|arXiv (Cornell University)|Oct 17, 2014

Software Testing and Debugging Techniques参考文献 16被引用数 51

ひとこと要約

本稿では、UMLアクティビティ図およびステートチャート図から導出されたテストケースシナリオの優先順位を付けるために、情報フローメトリクスを用いてノードの複雑さを評価する遺伝的アルゴリズムに基づく手法を提案する。進化計算を用いたテストデータ選択の最適化により、ソフトウェアシステムにおけるテスト効率およびエラー検出の向上が図られる。

ABSTRACT

Software testing involves identifying the test cases whichdiscover errors in the program. However, exhaustive testing ofsoftware is very time consuming. In this paper, a technique isproposed to prioritize test case scenarios by identifying the critical path clusters using genetic algorithm. The test case scenarios are derived from the UML activity diagram and state chart diagram. The testing efficiency is optimized by applying the genetic algorithm on the test data. The information flow metric is adopted in this work for calculating the information flow complexity associated with each node of the activity diagram and state chart diagram.

研究の動機と目的

• ソフトウェア開発における膨大な時間を要する包括的テストの課題に対処すること。
• UML図から導出された重要なテストケースシナリオの優先順位付けにより、テスト効率を向上させること。
• 情報フローメトリクスを用いてUMLアクティビティ図およびステートチャート図内の高複雑度パスを同定すること。
• エラー検出を最大化するように最適なテストデータ選択を遺伝的アルゴリズムを用いて行うこと。
• 故障検出率を維持または向上させながら、テストのオーバーヘッドを低減すること。

提案手法

• テストケースシナリオは、UMLアクティビティ図およびステートチャート図から自動的に生成される。
• ノードごとの情報フローフェイルコンプレックスは、定義されたメトリクスを用いて計算され、データ依存性およびフローの複雑さが評価される。
• 計算された複雑度スコアに基づいて、遺伝的アルゴリズムがテストケースの優先順位付けに適用される。
• 選択、交差、変異を経て、テストケースシーケンスの集団が進化し、カバレッジおよび故障検出を最大化する。
• 適応度関数は、テストパスの累積的情報フローフェイルコンプレックスに基づく。
• 故障を露呈させる可能性の高い重要なパスクラスタが特定される。

実験結果

リサーチクエスチョン

• RQ1 UML図から導出されたテストケースシナリオを、テスト効率を向上させるために効果的に優先順位付けする方法は何か？
• RQ2 UMLアクティビティ図およびステートチャート図におけるテストパスの複雑さを正確に反映するメトリクスは何か？
• RQ3 情報フローフェイルコンプレックスに基づいて、遺伝的アルゴリズムを効果的にテストケース優先順位付けに応用できるか？
• RQ4 提案手法は、故障検出率を維持または向上させながら、どの程度テスト時間を短縮できるか？
• RQ5 情報フローメトリクスに基づくと、どのテストパスがソフトウェアエラーを露呈させる可能性が最も高いか？

主な発見

• 提案手法は、情報フローメトリクスを用いて、UML図から導出された高複雑度テストパスを効果的に同定および優先順位付けできた。
• 遺伝的アルゴリズムの最適化により、故障検出の可能性がより高いパスに注目したテストケースの優先順位付けが向上した。
• 重要なパスクラスタに集中することで、包括的テストの必要性が低減された。
• 情報フローメトリクスは、ノードレベルの複雑さを効果的に定量化でき、より良い優先順位決定を可能にした。
• 実験結果は、遺伝的アルゴリズムが、複雑でエラーを含みやすい領域を最初に標的とすることで、テスト効率を向上させることを示した。
• 本手法は、早期の故障検出を支援する、体系的で自動化されたテストケース優先順位付けのアプローチを提供した。