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。发表于：。本研究针对基于帕累托优化的搜索型软件测试（SBST）技术在故障揭示输入覆盖不足的问题，提出了理论论证，说明该方法在覆盖搜索域内的故障诱导区域时的局限性。通过对工业自动代客泊车系统和手写数字分类系统的实证分析，我们发现NSGA-II和MOPSO这两种广泛使用的帕累托优化技术在涵盖揭示故障的测试输入方面表现并不优于简单随机搜索。
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。
