BriefGPT - AI 论文速递
·
基于搜索的测试能否通过帕累托优化有效覆盖故障揭示测试输入？
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了Deeper的扩展版本，这是一种用于测试基于深度神经网络的车道保持系统的解决方案。新版本使用遗传算法和粒子群优化等生物启发式搜索算法，生成暴露失败的测试场景。实验证明，新测试生成器在有限时间内表现出色，能有效触发多种失败，并提高测试场景的多样性。
🎯
关键要点
- 本文介绍了Deeper的扩展版本，用于测试基于深度神经网络的车道保持系统。
- 新版本使用遗传算法、(μ+λ)和(μ,λ)进化策略以及粒子群优化等生物启发式搜索算法。
- 这些算法利用质量种子种群和特定的交叉与变异操作生成测试场景。
- 通过实证评估，新测试生成器在有限时间内表现出色，能有效触发多种失败。
- 新版本在测试场景的多样性方面也有显著提升，证明了其有效性和高效性。
➡️
