.png){kind=icon}
返回
Diblob: A Python framework for computations on digraphs as software models with focus on effective test case design
.png){kind=icon}
OA
AI
DOI：10.1016/j.softx.2025.102452.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
有向图（digraphs）是基本的软件模型之一。特别是，它们被用于基于某些图覆盖准则设计测试用例。本文介绍了Diblob——一个专为有向图计算设计的Python软件包，强调其在软件测试中的应用。它不依赖外部软件包，并基于有向图的JSON表示进行操作，这使其成为一个通用工具。Diblob允许对有向图结构进行分层表示，以创建适用于需要状态机覆盖的测试用例的软件模型，并在必要时从分析特定图元素（例如强连通分量）中抽象出来。Diblob还实现了若干用于实现基于图的测试覆盖准则的算法。
Keyword:
Digraphs
Stateful model
Finite state machine
Test case design
Test coverage
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:
2.4
论文数:
346
被引数:
7.3K
机构
引用论文
Search-Based Software Test Data Generation for Path Coverage Based on a Feedback-Directed Mechanism
OAAI
OAAI分享收藏Unifying Behavioral and Feature Modeling for Testing of Software Product Lines统一行为建模和特征建模以进行软件产品线的测试
PREAI
分享收藏A Time and Space-Efficient Compositional Method for Prime and Test Paths Generation用于生成素数和测试路径的时间和空间有效的组合方法.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Comparing Graph-Based Algorithms to Generate Test Cases from Finite State Machines比较基于图的算法从有限状态机生成测试用例
PREAI
分享收藏Optimal solutions for variants of graph coverage-related problems in software test design软件测试设计中与图覆盖相关问题的变体问题的最优解
PREAI
分享收藏 没有更多内容
没有更多内容