الگوریتم ژنتیک چندهدفه آگاه از انرژی برای بهینه سازی آزمون نرم افزار در سیستم های ابری

چکیده مقاله

آزمون نرم افزار یکی از پرمصرف ترین فعالیت ها در توسعه نرم افزار مدرن است، به ویژه در محیط های ابری که هزینه اجرا و مصرف انرژی از نگرانی های حیاتی محسوب می شوند اگرچه مهندسی نرم افزار مبتنی بر جستجو SBSE از طریق الگوریتم های تکاملی موفقیت چشمگیری در بهینه سازی وظایف مهندسی نرم افزار نشان داده است، اما تحقیقات موجود عمدتا بر بهینه سازی معماری نرم افزار و تخصیص منابع متمرکز بوده و عمدتا مصرف انرژی در آزمون نرم افزار را نادیده گرفته اند این مقاله یک الگوریتم ژنتیک چندهدفه آگاه از انرژی برای بهینه سازی آزمون نرم افزار پیشنهاد می کند که همزمان پوشش آزمون را حداکثر می کند و زمان اجرا و مصرف انرژی را به حداقل می رساند رویکرد پیشنهادی، آزمون نرم افزار را به عنوان یک مساله بهینه سازی سه هدفه فرموله می کند و یک الگوریتم تکاملی چندهدفه سفارشی شده بر مبنای الگوریتم ژنتیک مرتب سازی غیرمسلط دوم NSGA II را برای کشف مصالحه های بین این اهداف متضاد به کار می گیرد نتایج آزمایشی روی سه سیستم متن باز مبتنی بر ابر نشان می دهد که گنجاندن آگاهی از انرژی در فرآیند آزمون می تواند مصرف انرژی را تا ۲۸ ۵٪ در مقایسه با رویکرد سنتی دوهدفه پوشش و زمان کاهش دهد، در حالی که پوشش آزمون بالای ۹۷٪ حفظ می شود این مطالعه به سوی روش های آزمون نرم افزار پایدارتر و مقرون به صرفه تر در محیط های ابری کمک می کند

کلیدواژه‌ها

نویسندگان

جمشید افشانی

موسسه آموزش عالی جهاد دانشگاهی خوزستان

علی اردشیری

دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر شاخه نرم افزار موسسه آموزش عالی جهاد دانشگاهی خوزستان

�فشانی، جمشید و اردشیری، علی،1404،الگوریتم ژنتیک چندهدفه آگاه از انرژی برای بهینه سازی آزمون نرم افزار در سیستم های ابری،چهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه26 بهمن 1404 · ایرانشهر