Seleção e avaliação de dados de teste baseadas em programação genética

Abstract

Resumo: Programação Genética (PG) tem sido aplicada, recentemente, para resolver problemas em diversas áreas. Tem por objetivo a indução de programas a partir de dados de treinamento, usando conceitos da teoria da evolução de Darwin. Por outro lado, o teste de software, que é uma atividade fundamental e custosa para assegurar a qualidade de software, tem por objetivo a geração de casos de teste a partir de um programa sendo testado. Dessa forma, é vista uma simetria entre a indução de programas baseada em PG e a atividade de teste. Este trabalho explora essa simetria e propõe uma abordagem de teste de software baseada em PG. Critérios de teste baseados em erros, geralmente, derivam dados de teste a partir um conjunto de operadores de mutação para produzir alternativas que diferem do programa em teste por uma simples modificação. A abordagem baseada em PG, que está sendo proposta, usa um conjunto de alternativas geradas geneticamente. As alternativas podem ser muito diferentes do programa original, permitindo o teste de interação entre defeitos, com a vantagem de ser independente da linguagem e paradigma de implementação utilizados. Neste trabalho são apresentados dois procedimentos de teste baseados em PG para selecionar e avaliar dados de teste e é descrita a ferramenta GPTesT (Genetic Programming based Testing Tool), implementada para validar a abordagem proposta. Resultados de um experimento com a GPTesT, também, são apresentados.

Abstract: Genetic Programming (GP) has recently been applied to solve problems in diverse areas. It has the goal of inducing programs from fitness cases by using the concepts of Darwin's evolution theory. On the other hand, software testing, that is a fundamental and expensive activity to assurance software quality, has the goal of generating test cases from the program being tested. In this sense, a symmetry between induction of programs based on GP and testing is noticed. This work explores such symmetry and proposes a GP approach for software testing. Faultbased testing criteria generally derive test data using a set of mutant operators to produce alternatives that differ from the program under testing by a simple modification. The GP approach, herein proposed, uses a set of alternatives genetically derived. The alternatives can be very different from the original program allowing the test of interactions between faults. We present two GP-based testing procedures respectively for selection and evaluation of test data sets and we describe GPTesT (Genetic Programming based Testing Tool), a framework implemented to validate the proposed approach. Results from an experiment with GPTesT are also presented. The approach based on GP can be used as a testing criterion, and is independent on the language or paradigm based to implement the program being tested.