Optimizing test data generation using SI_CNNpro-enhanced MGA for mutation testing

Lei Tao

doi:10.1016/j.jss.2025.112517

Optimizing test data generation using SI_CNNpro-enhanced MGA for mutation testing

2025-06-09

0

PRE

AI

DOI：10.1016/j.jss.2025.112517

原文链接

原文求助

摘要

En 中文

• 通过基于图的 bidirectional traversal 生成最小路径集，减少测试冗余和资源消耗。 • 在 CNN 中集成辅助特征和 incremental learning，提高预测精度和模型适应性。 • 将变异测试问题转化为优化问题。 • 建立涵盖路径的测试数据生成多任务优化模型。 • 提出 SI_CNNpro 增强的 MGA，用于优化变异测试的测试数据生成。

Keyword:

path sets

mutation testing

CNN

incremental learning

multi-task optimization

Optimizing test data generation using SI_CNNpro-enhanced MGA for mutation testing

摘要

期刊

机构

引用论文