Publication: Using mutual information to select test suites in a black-box framework
Loading...
Official URL
Full text at PDC
Publication Date
2019-06
Authors
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Citations
Exportar
Abstract
Mutual Information is an information theoretic measure designed to quantify the amount of similarity between two random variables ranging over two sets. In this paper, we adapt this concept and show how it can be used to select a good test suite, in a black-box scenario and following a maximize diversity approach. We provide experimental evidence to show the usefulness of the measure. We also show that the time needed to compute the measure is negligible when compared to the time needed to apply extra testing. Finally, we compare our measure with current test prioritization measures and show that our proposal outperforms them.
As a side result, in this thesis we present a Genetic Programming approach, fully supported by a tool, to generate test suites using Information Theory based measures.
La información mutua es una medida usada en Teoría de la Información para cuantificar la cantidad de similaridad entre dos variables aleatorias que actúan sobre dos conjuntos. En este trabajo, adaptamos este concepto y mostramos cómo puede usarse para seleccionar un buen conjunto de tests, en un escenario de caja negra y usando el enfoque de maximizar la diversidad. Aportamos evidencias experimentales para mostrar la utilidad de la medida propuesta. También mostramos que el tiempo necesario para calcular la medida es despreciable cuando lo comparamos con el tiempo necesario para aplicar tests adicionales. Finalmente, comparamos nuestra medida con las mejores medidas disponibles para priorización de tests y mostramos que nuestra propuesta las supera. Además, en este trabajo presentamos un enfoque basado en Programación Genética, respaldado por una herramienta, para generar conjuntos de tests utilizando medidas basadas en la Teoría de la Información.
La información mutua es una medida usada en Teoría de la Información para cuantificar la cantidad de similaridad entre dos variables aleatorias que actúan sobre dos conjuntos. En este trabajo, adaptamos este concepto y mostramos cómo puede usarse para seleccionar un buen conjunto de tests, en un escenario de caja negra y usando el enfoque de maximizar la diversidad. Aportamos evidencias experimentales para mostrar la utilidad de la medida propuesta. También mostramos que el tiempo necesario para calcular la medida es despreciable cuando lo comparamos con el tiempo necesario para aplicar tests adicionales. Finalmente, comparamos nuestra medida con las mejores medidas disponibles para priorización de tests y mostramos que nuestra propuesta las supera. Además, en este trabajo presentamos un enfoque basado en Programación Genética, respaldado por una herramienta, para generar conjuntos de tests utilizando medidas basadas en la Teoría de la Información.
Description
Trabajo de Fin de Máster, Universidad Complutense, Facultad de Informática, Departamento de Sistemas Informáticos y Computación, Curso 2018/2019