ارائه روشی برای پیشبینی خطای نرمافزار با ترکیب نظریه آشوب و الگوریتم تکاملی اسب وحشی
نویسندگان
1 کارشناسی ارشد، دانشگاه جامع امام حسین، تهران ایران
2 کارشناسی ارشد ، دانشگاه جامع امام حسین(ع) ، ایران، تهران
3 استادیار، دانشگاه جامع امام حسین (ع)، تهران، ایران
doi
چکیده
وجود نقص در یک محصول نرمافزاری منجر به بروز عملکرد غیرمنتظره در آن محصول میشود. نقص نرمافزاری نوعی خطا یا اشتباه در اجرای نرمافزار است که موجب نتایج اشتباه یا اجرا نشدن نرمافزار میشود. پیشبینی نقص نرمافزار فرآیند، پیجویی اجزای معیوب در نرمافزار قبل از شروع مراحل آزمون است. در واقع وقوع نقص اجتنابناپذیر است اما باید تا حد امکان تعداد نقصها را به حداقل برسانیم. انجام این امر منجر به کاهش زمان و هزینه توسعه، کاهش تلاشهای دوبارهکاری، افزایش رضایتمندی مشتری و قابلیت اطمینان نرمافزار میشود. در این مقاله جهت پیشبینی خطای نرمافزار از یک فرآیند چندمرحلهای بهره گرفته شده است که در مرحله نخست عملیات پیشپردازش به منظور بهبود دادهها صورت گرفته و سپس عملیات استخراج ویژگی جهت استخراج ویژگیهای تأثیرگذار در مدل یادگیری استفاده شده است. در این مقاله همچنین، جهت انجام عملیات استخراج ویژگی از الگوریتم اسب وحشی استفاده گردیده است. درنهایت جهت پیشبینی خطای نرمافزار از الگوریتم طبقهبند درخت تصمیم استفاده شده است. بهمنظور ارزیابی عملکرد مدل طبقهبند، از مجموعه دادههای استاندارد پرامیس و از معیارهای ارزیابی شامل؛ دقت، صحت، فراخوان و معیار F استفاده شده است. در نهایت، مقایسهای بین روش پیشنهادی و روش ارائهشده در مقاله مرجع انجام گرفته است. این نتایج نشان میدهد که کارایی الگوریتم اسب وحشی (در روش پیشنهادی) نسبت به الگوریتم وال (در مقاله پایه) جهت انتخاب ویژگی برتر میباشد، زیرا استفاده از نظریه آشوب در الگوریتم اسب وحشی جهت ایجاد تنوع جوابها، توانسته است فضای مساله را بهصورت مناسب پیمایش نموده و عملکرد مدل طبقهبند را بهبود بخشد.
