The optimisation of stochastic grammars to enable cost-effective probabilistic structural testing

اثربخشی تست آماری، یک استراتژی تست ساختاری احتمالاتی، به ویژگی های توزیع احتمالی که از نمونه ورودی تست آنها بر می آید، بستگی دارد. یک روش عملی برای بهینه سازی ویژگی های چنین توزیع هایی نشان داده شده است. با این حال، کاربرد الگوریتم مبتنی بر جستجوی موجود محدودیتی است که نیاز به ورودی نرم افزار باید یک مقدار ثابت از مقادیر مرجع باشد. در این مقاله ما یک الگوریتم جدید ارائه می دهیم که این محدودیت را تسهیل می کند و بنابراین اجازه می دهد مشتق توزیع های احتمالی برای طیف گسترده ای از نرم افزار ها وجود داشته باشد. نمایندگی استفاده شده توسط الگوریتم جدید براساس دستورالعمل تصادفی تکمیل شده با دو ویژگی جدید است: وزن تولید شرطی و پراکندگی پویا دامنه های رشته ای. تجربی نشان می دهد که یک الگوریتم جستجو با استفاده از این بازنمایی می تواند توزیع های احتمالی را در دامنه های ورودی پیچیده بهینه سازی کند و از این طریق تست آماری مقرون به صرفه را امکان پذیر می سازد و استفاده از وزن های تولید شرطی و پارتیشن بندی پویا می تواند برای روند جستجو سودمند باشد.