اولویت های مبتنی بر چند هدف کاربردی در تست تنوع خطوط تولید نرم‌افزار

الگوریتم‌های تکاملی چند هدف تکاملی (EMOAs)برای استخراج محصولات برای تست تغییرپذیری خطوط تولید نرم‌افزار (spls)به کار گرفته شده‌اند، یک کار پیچیده است که تحت‌تاثیر عوامل زیادی قرار دارد، مانند تعداد محصولات مورد آزمایش، معیار پوشش، و کارآیی برای آشکار کردن خطاها. اما چنین الگوریتم‌هایی به طور کلی راه‌حل‌های زیادی تولید می‌کنند که برای تستر مورد نظر جالب نیستند. این امر به این دلیل اتفاق می‌افتد که الگوریتم‌های جستجوی سنتی ترجیحات کاربر را در نظر نمی‌گیرند. برای سهولت انتخاب بهترین راه‌حل‌ها و اجتناب از تلاش در تولید جواب‌های نامطلوب، این کار روشی را معرفی می‌کند که مبتنی بر الگوریتم های چند هدفه تکاملی مبتنی بر ترجیحات (PEMOAs)برای حل این مشکل می‌باشد. این رویکرد چند منظوره است که با تعداد محصولاتی که باید تست شوند، پوشش جفتی و امتیاز جهش کار می‌کند. این روش ترجیحات قبل از فرآیند تکامل را شامل می‌شود و از روش نقطه مرجع (RP)استفاده می‌کند. دو فرمول PEMOAs مورد ارزیابی قرار می‌گیرند: R – nsga – II و r – nsga – II، با استفاده از دو فرمولاسیون متفاوت از اهداف، و سه نوع RP. PEMOAs با ایجاد ت

Highlights•Preference-Based Evolutionary Multi-objective Algorithms applied to SPL testing.•PEMOAs outperform NSGA-II generating more solutions in the Region of Interest (ROI).•R-NSGA-II presents the best performance considering the R-HV indicator.•r-NSGA-II should be considered to visualize few solutions inside the ROI.•PEMOAs can reduce the DM’s burden by selecting better set of products for SPL testing.AbstractEvolutionary Multi-Objective Algorithms (EMOAs) have been applied to derive products for the variability testing of Software Product Lines (SPLs), which is a complex task impacted by many factors, such as the number of products to be tested, coverage criteria, and efficacy to reveal faults. But such algorithms generally produce a lot of solutions that are uninteresting to the tester. This happens because traditional search algorithms do not take into consideration the user preferences. To ease the selection of the best solutions and avoid effort generating uninteresting soluti