Напрями підвищення ефективності методу CBUA в умовах динамічного набору тестів
DOI: 10.31673/2412-9070.2026.028108
Анотація
У контексті зростання складності сучасного програмного забезпечення, забезпечення його надійності та якості залишається одним з ключових завдань інженерії програмного забезпечення. Одним із перспективних напрямів є використання мутаційного тестування, що дає змогу оцінити якість тестових наборів шляхом створення модифікованих версій програми - мутантів. Проте застосування цього підходу в умовах динамічного набору тестів, коли тестові випадки створюються або доповнюються під час виконання, унеможливлює використання низки традиційних оптимізацій.
У зв’язку зі значною обчислювальною вартістю мутаційного тестування було запропоновано широкий спектр методів оптимізації, спрямованих на зменшення витрат при збереженні здатності до виявлення помилок. Окрему групу становлять стратегії оптимізації, пов’язані з генерацією, виконанням та аналізом мутантів, до яких належать підходи, що не належать до інших категорій. Саме в цій групі знаходяться методи, що отримують результати мутаційного тестування без фактичного виконання мутантів. У контексті динамічних тестових наборів особливу перспективність демонструють підходи, здатні зберігати точність оцінювання за умови зміни тестів.
Метою даного дослідження є систематизація та аналіз сучасних підходів до підвищення ефективності методів прогнозування результатів мутаційного тестування.
Особливу увагу приділено аналізу стратегій підвищення ефективності таких методів, зокрема вибору релевантних ознак для алгоритмів машинного навчання, побудові адекватних моделей мутаційного тестування та виявленню загроз валідності результатів.
У результаті дослідження виокремлено групу ознак, що є перспективними для вдосконалення стратегій оптимізацій, ідентифіковано основні загрози валідності експериментів, а також визначено напрями подальших досліджень. Зокрема, рекомендовано дослідження історичних в контексті методів прогнозування результатів мутаційного тестування та використання більш ефективних статичних і динамічних ознак, а також побудову більш точних математичних моделей, що враховують часові характеристики для підвищення загальної ефективності даних методів.
Ключові слова: якість програмного забезпечення, тестування програмного забезпечення, мутаційне тестування, прогнозування результатів тестування.
