Quantitative Bewertung der Softwarezuverlässigkeit unter Berücksichtigung der Komponenteninteraktionen

Quantitative software reliability evaluation covering component interactions

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-68535
  • In dieser Arbeit wird ein Verfahren vorgestellt, das die Generierung einer optimierten Testfallmenge erlaubt, die sowohl eine quantitative Bewertung der Softwarezuverlässigkeit ermöglicht, als auch gleichzeitig eine hohe Überdeckung der Komponenteninteraktionen gewährleistet. Die Optimierung erfolgte mittels eines entwickelten genetischen Algorithmus, der die drei Ziele Betriebsprofiltreue, statistische Unabhängigkeit und Überdeckung der Komponenteninteraktionen, verfolgt. Die beiden erstgenannten Ziele sind dabei Voraussetzungen für die Anwendung der statistischen Stichprobentheorie, die die Ableitung der gewünschten, quantitativen Zuverlässigkeitsaussage ermöglicht. Diese beidenIn dieser Arbeit wird ein Verfahren vorgestellt, das die Generierung einer optimierten Testfallmenge erlaubt, die sowohl eine quantitative Bewertung der Softwarezuverlässigkeit ermöglicht, als auch gleichzeitig eine hohe Überdeckung der Komponenteninteraktionen gewährleistet. Die Optimierung erfolgte mittels eines entwickelten genetischen Algorithmus, der die drei Ziele Betriebsprofiltreue, statistische Unabhängigkeit und Überdeckung der Komponenteninteraktionen, verfolgt. Die beiden erstgenannten Ziele sind dabei Voraussetzungen für die Anwendung der statistischen Stichprobentheorie, die die Ableitung der gewünschten, quantitativen Zuverlässigkeitsaussage ermöglicht. Diese beiden Ziele werden deshalb auch als KO-Kriterien bezeichnet. Für die Messung des Überdeckungsgrads der Komponenteninteraktionen finden die kopplungsbasierten Testfallkriterien nach Jin&Offutt Verwendung, welche den Datenfluss über Modulgrenzen hinweg erfassen. Der genetische Algorithmus zur Lösung dieses multi-objektiven Optimierungsproblems strebt eine Maximierung dieser Überdeckung an, stellt aber gleichzeitig sicher, dass die KO-Kriterien Betriebsprofiltreue und statistische Unabhängigkeit gewahrt bleiben. Zudem wurden drei Adaptionen der kopplungsbasierten Testkriterien definiert, die z. B. die unterschiedliche Relevanz von Variablen zu berücksichtigen erlauben. Im anschließenden Evaluierungskapitel wird der Ansatz auf einige Beispielprogramme angewendet und gezeigt, dass die gesetzten Optimierungsziele erreicht werden. Zudem erfolgt noch eine Evaluierung des Fehlererkennungspotentials kopplungsbasierter Testfallmengen mittels Mutationstest.show moreshow less
  • This thesis presents an approach for the generation of optimized test case sets allowing for a quantitative evaluation of software reliability as well as ensuring high interaction coverage. The optimization made use of genetic algorithms aiming at the achievement of the following three optimization goals: operational representativeness, independent test case selection and interaction coverage. The two former goals are conditions for the application of statistical sampling theory, which allows for the derivation of a quantitative reliability estimation. These two goals are therefore called KO-criteria. For the measurement of interaction coverage, the coupling-based testing criteria byThis thesis presents an approach for the generation of optimized test case sets allowing for a quantitative evaluation of software reliability as well as ensuring high interaction coverage. The optimization made use of genetic algorithms aiming at the achievement of the following three optimization goals: operational representativeness, independent test case selection and interaction coverage. The two former goals are conditions for the application of statistical sampling theory, which allows for the derivation of a quantitative reliability estimation. These two goals are therefore called KO-criteria. For the measurement of interaction coverage, the coupling-based testing criteria by Jin&Offutt are used, which capture data flow across module boundaries. The genetic algorithm used for solving this multi-objective optimization problem aims at maximizing the coverage without violating any of the KO-criteria operational representativeness and independent test case selection. Furthermore, three adaptations of coupling-based testing are defined, which e. g. take the different relevance of variables into account. In the final chapter, the approach is applied to two software-based systems and the achievement of the optimization goals is shown. Finally, a mutation test demonstrates the benefit of coupling-based testing compared to random testing.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Matthias Meitner
URN:urn:nbn:de:bvb:29-opus4-68535
Advisor:Francesca Saglietti
Document Type:Doctoral Thesis
Language:German
Year of Completion:2015
Embargo Date:2016/01/07
Publishing Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Granting Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Date of final exam:2015/09/17
Release Date:2016/01/18
Tag:Fehlererkennungspotential; Genetische Algorithmen; Kopplungsbasiertes Testen; Mutationstest; Softwarezuverlässigkeit
SWD-Keyword:Integrationstest; Komponententest; Statistischer Test
Original publication:163
Institutes:Technische Fakultät
CCS-Classification:D. Software / D.2 SOFTWARE ENGINEERING (K.6.3)
Dewey Decimal Classification:Informatik, Informationswissenschaft, allgemeine Werke / Informatik, Wissen, Systeme / Informatik, Informationswissenschaft, allgemeine Werke
open_access (DINI-Set):open_access
Licence (German):Keine Creative Commons Lizenz - es gilt der Veröffentlichungsvertrag und das deutsche Urheberrecht