مجید آوریده - کارشناسی ارشد مهندسی کامپیوتر-هوش مصنوعی، دانشگاه سمنان
محمدجواد فدائی اسلام - استادیار گروه آموزشی مهندسی نرم افزار، دانشکده برق و کامپیوتر، دانشگاه سمنان

در آزمون نرم افزار فرایند اجرای یک برنامه کاربردی با هدف یافتن اشکال و متعاقبا بهبود کیفیت آن می باشد. آزمون نرم افزار، به عنوان یک فرایند کلیدی، در اطمینان از کیفیت سیستم های نرم افزاری نقش دارد. باتوجه به اینکه بیش از %۵۰ هزینه تولید هر نرم افزار صرف آزمون آن می شود، ایجاد ابزارهایی برای خودکارسازی تولید داده آزمون نرم افزار باعث کاهش قابل توجه هزینه های فعلی تولید نرم افزار می شود. در روند تولید داده های آزمون، مسئله به یک مسئله بهینه سازی تبدیل می شود، بنابراین، می توان از الگوریتم های جستجو برای این منظور استفاده کرد. الگوریتم ژنتیک یکی از الگوریتم های بسیار پرکاربرد در این زمینه است که محققان زیادی در سال های اخیر به منظور تولید داده آزمون آن را بکار گرفته اند. در الگوریتم ژنتیک، تنظیم عامل عملگرهای اصلی مانند بازترکیبی و جهش از اهمیت زیادی برخوردار است. ازاین رو در این مقاله، به منظور افزایش بهره وری الگوریتم ژنتیک، نرخ عملگر بازترکیبی و جهش با استفاده از درجه تنوع جمعیت و میزان برازندگی اعضای جمعیت به صورت پویا در حین اجرای الگوریتم محاسبه می شود. از طرفی برای تقویت جستجو در این الگوریتم، راهکار جستجوی محلی با استفاده از الگوریتم تپه نوردی در ساختار این الگوریتم قرار گرفته است که روش پیشنهادی (Memetic) نسبت به سایر الگوریتم ها بهتر می باشد.

آزمون نرم افزار، تولید داده آزمون، الگوریتم های جستجو، الگوریتم ژنتیک، جستجوی محلی.