Hiper-heurística de seleção para teste de software

• Processo: 18/08372-8
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 02 de janeiro de 2019
• Data de Término da vigência: 01 de janeiro de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Valdivino Alexandre de Santiago Júnior
• Beneficiário: Valdivino Alexandre de Santiago Júnior
• Pesquisador Anfitrião: Ender Ozcan
• Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). Ministério da Ciência, Tecnologia e Inovação (Brasil). São José dos Campos , SP, Brasil
• Instituição Anfitriã: University of Nottingham, University Park, Inglaterra
• Assunto(s): Softwares Teste e avaliação de software Modelos probabilísticos de tópicos Hiper-heurística
• Palavra(s)-Chave do Pesquisador: Geração de Casos de Teste de Software | Hiper-Heurística de Seleção | Modelos probabilísticos | Otimização em Teste de Software | Teste de Software | Teste de Software; Hiper-Heurística

Resumo

Otimização em Teste de Software (OTS) tem demonstrado ser muito promissora para diversas atividades do processo de teste e sua otimização como um todo. Recentemente, pesquisadores têm abordado problemas multiobjetivos e o uso de hiper-heurísticas. No entanto, hiper-heurísticas ainda são muito incipientes no contexto de OTS, onde poucos trabalhos na literatura foram publicados com propósitos tais como a geração de dados de Teste de Interação Combinatória, e problemas de ordem de teste e integração. Além disso, estudos recentes mostram que as hiper-heurísticas de seleção mais utilizadas no contexto de OTS, tais como Função de Escolha, apresentaram desempenho pior em comparação com outras hiper-heurísticas consideradas em diferentes domínios. Esse projeto de pesquisa visa investigar hiper-heurísticas de seleção no contexto de teste de software. A ideia é criar uma nova hiper-heurística de seleção para escolher Heurísticas de Baixo Nível (HBNs) com base em abordagens aplicadas a domínios tais como otimização de distribuição de turbinas eólicas em fazenda e agendamento, mas que nunca foram utilizadas para teste de software. Algoritmos Evolucionários Multiobjetivos serão usados como HBNs e a meta é investigar métodos de seleção clássicos (e.g. Sequência Fixa) e modelos probabilísticos (e.g. Cadeias de Markov). Uma avaliação rigorosa, comparando a nova metodologia via hiper-heurística de seleção com outras abordagens baseadas somente em meta-heurísticas, será realizada com estudos de caso, incluindo sistemas de software espacial, em um contexto de validação ainda não investigado no âmbito de teste baseado em hiper-heurísticas. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE SANTIAGO JUNIOR, VALDIVINO ALEXANDRE; OZCAN, ENDER; DE CARVALHO, VINICIUS RENAN. Hyper-Heuristics based on Reinforcement Learning, Balanced Heuristic Selection and Group Decision Acceptance. APPLIED SOFT COMPUTING, v. 97, p. 23-pg., 2020-12-01. (18/08372-8)

DE SANTIAGO JUNIOR, VALDIVINO ALEXANDRE; OZCAN, ENDER; DE CARVALHO, VINICIUS RENAN. Hyper-Heuristics based on Reinforcement Learning, Balanced Heuristic Selection and Group Decision Acceptance. APPLIED SOFT COMPUTING, v. 97, n. A, DEC 2020. (18/08372-8)

DE SANTIAGO JUNIOR, VALDIVINO ALEXANDRE; OZCAN, ENDER; BALERA, JULIANA MARINO. Many-objective test case generation for graphical user interface applications via search-based and model-based testing. EXPERT SYSTEMS WITH APPLICATIONS, v. 208, p. 21-pg., 2022-07-18. (18/08372-8)