- -

Mejorar la seleccion de acciones en TESTAR con tecnicas de Inteligencia Artificial

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Mejorar la seleccion de acciones en TESTAR con tecnicas de Inteligencia Artificial

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.advisor Vos, Tanja Ernestina es_ES
dc.contributor.author Davó Gelardo, Borja es_ES
dc.date.accessioned 2021-05-10T07:13:49Z
dc.date.available 2021-05-10T07:13:49Z
dc.date.created 2021-04-21
dc.date.issued 2021-05-10 es_ES
dc.identifier.uri http://hdl.handle.net/10251/166097
dc.description.abstract [ES] El grupo de Software Testing and Quality (STaQ) del centro de investigación PROS de la Universidad Politécnica de Valencia (UPV) ha desarrollado una herramienta, denominada TESTAR (www.testar.org) para el testing automatizada a nivel de Interfaz de Usuaria (IU). TESTAR es una herramienta "scriptless", no hace falta desarrollar scripts para le especificación de test cases. TESTAR genera y ejecuta casos de prueba automáticamente basado en un modelo de árbol derivado automáticamente desde la IU de la aplicación bajo prueba. Este árbol es construido con ayuda del API de accesibilidad del sistema operativo o el Selenium Webdriver que ayuda a reconocer todos los elementos gráficos de la IU (widgets). Varias empresas que han deplorado la herramienta y están muy positivos y lo ven como un cambio de paradigma del testing a largo plazo que tiene el potencial de resolver muchos problemas que tienen las herramientas existentes. En la actualidad hay dos proyectos EU en ejecucion que extienden y evalúan la herramienta. DECODER(https://www.decoder-project.eu/) y iv4XR (https://iv4xr-project.eu/). Este trabajo TFM encajara en uno de los dos proyectos, lo que significa que trabajaras en un entorno internacional. El funcionamiento básico de testeo de la herramienta TESTAR sigue una secuencia de pasos: 1. Arrancar el sistema que estamos testeando. 2. Obtener el estado de la IU (escanear IU y obtener árbol de widgets). Calcular los widgets visibles en la IU actual junto a sus propiedades como la posición, el tamaño, el foco, etc. y representarlos como modelo en forma de un árbol de widgets. 3. Derivar un conjunto de acciones sensibles (p.e. clicks, entrada de datos, gestos, etc.). A partir del estado actual de la IU se determina las acciones que pueden ser ejecutadas. 4. Seleccionar y ejecutar una acción. 5. Aplicar un oráculo para comprobar si el estado del SUT es válido. La última acción ejecutada a través de la IU del estado anterior puede ser comprobada desde el estado actual de la IU. Si fuese inválido, se para la generación de la secuencia de acciones actual y se guarda la secuencia sospechosa en un recurso dedicado para posterior análisis y/o reproducción. 6. Parar si se alcanza un umbral de secuencias generadas. En caso contrario, ir al paso 4. La estrategia por defecto de seleccion en el paso 4 es testeo aleatorio que implica selección arbitraría de una acción entre las posibles del paso anterior y su ejecución. Hemos empezado trabajos que investigan estrategias más inteligentes para hacer seleccion de acciones. En este proyecto queremos estudiar la adecuación de una estrategia basado en Inteligencia artificial. El alumno puede elegir la tecnica que más le gusta entre por ejemplo: re-inforcement learning, novelty search, optimizacion de hormigas, particle swarm optimization, etc. es_ES
dc.description.abstract [EN] TESTAR is a black box testing tool that performs automated sequences of tests to other applications, in order to find bugs in their behavior. The task of this work is to modify the way in which this tool makes decisions, with the aim of reducing randomness and achieving a more intelligent execution. es_ES
dc.format.extent 93 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Pruebas automatizadas es_ES
dc.subject Interfaz Gráfica de Usuario es_ES
dc.subject Inteligencia Artificial es_ES
dc.subject Aprendizaje por refuerzo es_ES
dc.subject TESTAR es_ES
dc.subject Pruebas de caja negra es_ES
dc.subject Automated testing es_ES
dc.subject Graphical user interface es_ES
dc.subject Artificial intelligence es_ES
dc.subject Reinforcement Learning es_ES
dc.subject Black box testing es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Máster Universitario en Ingeniería y Tecnología de Sistemas Software-Màster Universitari en Enginyeria i Tecnologia de Sistemes Programari es_ES
dc.title Mejorar la seleccion de acciones en TESTAR con tecnicas de Inteligencia Artificial es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.description.bibliographicCitation Davó Gelardo, B. (2021). Mejorar la seleccion de acciones en TESTAR con tecnicas de Inteligencia Artificial. Universitat Politècnica de València. http://hdl.handle.net/10251/166097 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\132474 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem