.png){kind=icon}
返回
Automated machine learning for test case prioritisation
.png){kind=icon}
OA
AI
DOI：10.1007/s10664-026-10862-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
测试用例优先级排序（TCP）涉及对测试用例进行排序和选择，以验证软件系统的当前功能不受代码更改的影响。最近，TCP问题已通过机器学习（ML）解决，预测每个测试用例的失败概率。然而，软件工程师可能难以识别和实现最适合TCP的预测模型。随着新构建版本适应被测试的测试套件，模型性能可能会因这些新构建版本的引入而下降。本研究通过应用自动化工作流组合，包括算法选择和超参数优化，解决了这些挑战。这些任务被视为自动化机器学习（AutoML）的任务。为此，我们的方案采用语法引导遗传编程作为实现AutoML算法的底层机制。我们的实验结果表明，我们的方法能够适应被测系统的特点，为每个构建版本选择最合适的ML流水线和超参数。更重要的是，我们的方法减少了测试人员所需的ML知识——特别是关于算法选择和调优的知识——同时使他们能够生成适合SUT构建连续变化的流水线。这项研究展示了AutoML在软件工程中的潜力，特别是针对TCP问题。
Keyword:
Artificial intelligence for software engineering
Test case prioritisation
Automated machine learning
Grammar-guided genetic programming
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
2.0K
被引数:
5.3K
机构
引用论文
Test case prioritization for object-oriented software: An adaptive random sequence approach based on clustering面向对象软件的测试用例优先级排序: 一种基于聚类的自适应随机序列方法OAAI
.png){kind=icon}
OAAI分享收藏
分享收藏Test case prioritization approaches in regression testing: A systematic literature review回归测试中的测试用例优先排序方法: 系统文献综述OAAI
OAAI分享收藏Comparative study of machine learning test case prioritization for continuous integration testing
PREAI
分享收藏
查看更多内容