tcp.md 9.2 KB
论文资源整理
Ripon K. Saha, An Information Retrieval Approach for Regression Test Prioritization Based on Program Changes
实验数据：https://utexas.box.com/repir
论文链接：https://ieeexplore.ieee.org/document/7194580
简介：我们引入了一种新的方法REPiR，通过将回归测试优先级降低到标准的信息检索问题来解决回归测试优先级问题，使得两个程序版本之间的差异构成了查询，测试构成了文档集合。REPiR不需要任何动态配置或静态程序分析。作为一项支持技术，我们利用开源IR工具包Indri。使用八个开源Java项目的实证评估表明，REPiR在计算上非常有效，并且比大多数主题系统的现有（动态或静态）技术表现更好。
Gligoric15, Practical Regression Test Selection with Dynamic File Dependencies
实验数据：www.ekstazi.org/research.html
论文链接：http://users.ece.utexas.edu/~gligoric/papers/GligoricETAL15Ekstazi.pdf
简介：我们提出了一种新的，轻量级的RTS技术，称为Ekstazi，可以很好地与测试框架集成。 Ekstazi跟踪文件测试的动态依赖性，与大多数先前的RTS技术不同，Ekstazi不需要与版本控制系统集成。Ekstazi根据文件依赖发现变更来选择测试。
Yafeng Lu12,How Does Regression Test Prioritization Perform in Real-World Software Evolution?
实验数据：http://utdallas.edu/?yxl131230/icse16support.html
论文链接：https://www.utdallas.edu/~lxz144130/publications/icse2016.pdf
简介：在本文中，我们提出了第一个实证研究来调查这种对测试优先级有效性的重要威胁。我们重新实现了传统和时间感知测试优先级的24种变体技术，并基于GitHub的8个真实Java程序的版本历史，研究了软件演化对这些技术的影响。结果表明，对于传统和时间感知的测试优先级，测试套件的增加显着地阻碍了它们的有效性，而源代码的改变本身并不会影响它们的有效性。
#####Qi Luo16,A Large-Scale Empirical Comparison of Static and Dynamic Test Case Prioritization Techniques
实验数据：http://www.cs.wm.edu/semeru/data/FSE16-TCPSTUDY/.
论文链接：www.cs.wm.edu/~denys/pubs/FSE'16-TCPStudy.pdf
简介：目前的TCP工作主体缺乏一项全面的研究，旨在理解和评估静态方法，并将它们与大型项目的动态方法进行比较。在这项工作中，我们进行了第一次广泛的研究，旨在根据经验评估四种静态TCP技术，将它们与不同的测试用例粒度（例如，方法和类级别）的研究状态动态TCP技术在效率，效率和相似性方面进行比较。当检测到四种静态技术检测到的故障的相似性与四种静态技术相比时，我们发现平均而言，这两组技术发现的故障是完全不同的，前10％的测试用例仅同意25％ - 30％的检测到的故障。这促使进一步研究这些技术发现的故障的严重性/重要性，以及将静态和动态信息结合起来以获得更有效方法的潜力。
Bo Jiang09,Adaptive Random Test Case Prioritization
论文链接：https://ieeexplore.ieee.org/iel5/5431684/5431686/05431769.pdf
简介：现有的单元测试研究表明，自适应随机测试（ART）是一种有希望的候选者，可以取代随机测试（RT）。 在本文中，我们不仅提出了一系列基于覆盖的ART技术，而且还从经验上证明它们在检测故障方面在统计上优于基于RT的技术。 此外，ART优先级排序技术之一始终与一些最佳的基于覆盖的优先级排序技术（即“附加”技术）相当，并且涉及更少的时间成本。
Lu Zhang09,Time-Aware Test-Case Prioritization using Integer Linear Programming
论文链接：https://people.engr.ncsu.edu/txie/publications/issta09-ilp.pdf
简介：在本文中，我们提出了一种使用整数线性规划的时间感知测试用例优先级的新方法。当存在不允许执行所有测试用例的固定时间预算时，用于测试用例优先级划分的时间感知技术可以比传统的测试用例优先级技术实现更好的故障检测率。实证结果表明，在一般情况和版本特定优先级的情景下，我们的两种技术优于两种主题的所有其他技术。实证结果还表明，当时间预算不是很紧的时候，一些传统技术的测试用例优先级分析时间成本较低，但仍可能具有竞争力。
Lingming Zhang18,Hybrid Regression Test Selection
论文链接：https://www.utdallas.edu/~lxz144130/publications/icse2018.pdf
简介：在本文中提出第一种混合RTS方法HyRTS，它以多种粒度分析，以不同粒度组合强度软传统RTS技术。实验表明，将实例方法添加/删除转换为文件级更改会产生更有效的HyRTS变体，在离线和在线测试时间内都可以明显优于FRTS。
G Rothermel01，Prioritizing Test Cases For Regression Testing
实验数据：http://computer.org/publications/dlib
论文链接：https://ieeexplore.ieee.org/document/962562/
简介：在本文中，我们描述了使用测试执行信息为测试用例确定回归测试优先级的几种技术，对数据的分析表明，所研究的每种优先级排序技术都提高了测试套件的故障检测率，即使采用这些技术中最便宜的技术，也可以实现这种改进。然而，数据还显示，仍有相当大的空间需要改进。这些研究强调了所研究技术中的几项成本效益权衡，以及未来工作的几个机会。
Zheng Li07,Search Algorithms for Regression Test Case Prioritization
实验数据：http://computer.org/publications/dlib
论文链接：https://ieeexplore.ieee.org/document/4123325/
简介：贪婪算法可能会产生次优结果，元启发式和进化搜索算法旨在避免此类问题，本文介绍了几种贪婪，元启发式和进化搜索算法应用于六个程序的实证研究结果，表明遗传算法表现良好，尽管贪婪方法具有令人惊讶的有效性。
#####Qi Luo17,How Do Static and Dynamic Test Case Prioritization Techniques Perform on ModernSoftware Systems? An Extensive Study on GitHub Projects
实验数据：http://www.cs.wm.edu/semeru/data/TSE17-TCPSTUDY/
论文链接：https://ieeexplore.ieee.org/document/8329518/
简介：第一次广泛的研究，旨在通过实证评估四种静态TCP技术，并将它们与多个质量指标的研究状态动态TCP技术进行比较。首先，我们在两个有效性指标（检测到的APFD的故障平均百分比和成本认知APFDc）上的结果表明，在测试类粒度下，这些指标往往是相关的，但这种相关性并不适用于测试方法的粒度。其次，我们的分析表明，静态技术可以令人惊讶地有效，特别是在APFDc测量时。第三，我们发现TCP技术往往在更大的程序上表现更好，但程序大小不会影响技术之间的比较性能测量。第四，软件演进不会显着影响TCP技术之间的比较性能结果。第五，在典型的实验设置下，所使用的突变体的数量和类型都没有显着影响TCP有效性的测量。最后，我们的相似性分析表明，高优先级的测试用例往往会发现不同的错误。
#####Qi Luo18，Assessing Test Case Prioritization on Real Faults and Mutants
实验数据：http://www.cs.wm.edu/semeru/data/ICSME18-TCP-Study/.
论文链接：https://arxiv.org/pdf/1807.08823
简介：为了回答TCP性能在多大程度上代表了在真实故障上实现的性能，我们进行了第一次实证研究，比较了应用于现实世界和突变故障的TCP技术的性能，结果表明，所研究的TCP技术对突变体的相对表现可能与真实缺陷的表现强烈相关，这取决于主题程序的属性。
#####L Zhang09,Prioritizing JUnit Test Cases in Absence of Coverage Information
论文链接：https://ieeexplore.ieee.org/iel5/5290639/5306271/05306350.pdf
简介：在本文中，我们提出了一种方法（namedJupta），用于在没有覆盖信息的情况下对JUnit测试用例进行优先级排序。实验结果表明，Jupta比处理后的序列更有效和稳定，并且在方法水平上使用覆盖率信息作为优先化技术，它们具有近似的有效性和稳定性。
#####B Miranda18,FAST Approaches to Scalable Similarity-based Test Case Prioritization
实验数据：https://github.com/icse18-fast/FAST
论文链接：https://robertoverdecchia.github.io/papers/ICSE_2018.pdf
简介：我们介绍了FAST系列测试用例优先级排序技术通过借用大数据域中常用的相似算法处理现代工业系统的数千甚至数百万测试套件尺寸。 FAST技术以白盒和黑盒方式提供可扩展的基于相似性的测试用例优先级。对可伸缩性的仿真研究表明，一种FAST技术可以在不到20分钟的时间内优先处理一百万个测试用例。
#####Junjie Chen18，Optimizing Test Prioritization via Test Distribution Analysis
实验数据： https://github.com/JunjieChen/PTP.
论文链接：https://www.utdallas.edu/~lxz144130/publications/fse2018.pdf
简介：我们设计了基于学习的预测测试优先级（PTP）。 PTP基于测试分布分析（即，测试覆盖的分布，测试时间和每单位时间的覆盖范围）预测给定项目的最优优先级排序技术。