Resumen

La validación del código fuente modificado se realiza mediante pruebas de regresión. En las pruebas de regresión, el tiempo y los recursos son limitados, por lo que debemos seleccionar los casos de prueba mínimos de los conjuntos de pruebas para reducir el tiempo de ejecución. El proceso de minimización de casos de prueba se ocupa de la optimización de las pruebas de regresión mediante la eliminación de casos de prueba redundantes o la priorización de los casos de prueba. Este estudio propuso un enfoque de priorización de casos de prueba basado en la optimización de enjambre de partículas multiobjetivo (MOPSO) considerando el tiempo mínimo de ejecución, la máxima capacidad de detección de fallas y la máxima cobertura de código. El algoritmo MOPSO se utiliza para la priorización de casos de prueba con parámetros que incluyen tiempo de ejecución, capacidad de detección de fallas y cobertura de código. Se seleccionaron tres conjuntos de datos para evaluar la técnica propuesta de MOPSO, incluidos TreeDataStructure, JodaTime y Triangle. El MOP

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Propuesto; Pruebas de regresión; Casos de prueba; Enfoque de priorización; Optimización de enjambre de partículas multiobjetivo; MOPSO
• Keywords:Proposed; Regression testing; Test cases; Prioritization approach; Multiobjective particle swarm optimization; MOPSO