رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 48 1 2018 05 22 Covering Array Generation using Teaching Learning base Optimization Algorithm ساخت آرایه پوشش با استفاده از الگوریتم بهینه‌سازی مبتنی برآموزش و یادگیری 161 171 7370 FA زهرا عباسی دانشگاه اراک - دانشکده فنی مهندسی سجاد اسفندیاری دانشگاه اراک - دانشکده فنی مهندسی وحید رافع دانشگاه اراک - دانشکده فنی مهندسی Journal Article 2016 11 06 In software systems, the most of unexpected bugs usually occur when some of the system components interact with each other at the same time. Combinatorial testing is a method that aims to generate minimized test suite to determine the bugs caused by these components and their interactions. Covering array generation, an optimization problem, is the most popular research area in the field of combinatorial testing. Meta-heuristic algorithms have succeeded in generating covering arrays. Although good results can be found by these strategies, their complex search processes are time consuming. In this respect, these strategies have been confined to small configurations and they can support small interaction strengths (t<=6). In this research, teaching learning base optimization algorithm has been used and fitness function has been designed in a way that searching process become so fast that our strategy enabled to generate covering array with interaction strength up to t=15. In additition, ability of the algorithm in minimization of test suite is also high. The results of this current study showed that our proposed algorithm is able to generate the results more appropriate than the existing strategies. در سیستم‌های نرم‌افزاری اغلب خطاهای غیرمنتظره زمانی رخ می‌دهد که هم‌زمان تعدادی از اجزاء سیستم باهم در تعامل باشند. آزمون ترکیباتی روشی است که هدف آن تولید دنباله آزمون کمینه است تا خطاهایی که توسط این اجزاء و تعامل آن‌ها به وجود می‌آید را مشخص کند. تولید آرایه پوشش یک مسئله بهینه‌سازی است که یکی از پرطرفدارترین حوزه‌های پژوهش در زمینه آزمون‌های ترکیباتی است. الگوریتم‌های فرامکاشفه‌ای در تولید آرایه پوشش نتایج خوبی را داشته‌اند. گرچه این استراتژی‌ها نتایج بسیار خوبی دارند اما به دلیل پیچیدگی، مراحل جستجوی آن‌ها زمان‌بر است. به این دلیل این استراتژی‌ها به تولید آرایه پوشش برای پیکربندی‌های کوچک محدود هستند و قابلیت پشتیبانی تا قوه‌ی t ≤ 6 را دارند. در این پژوهش ما با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری و طراحی تابع برازندگی، به‌گونه‌ای سرعت جستجو را بالابرده‌ایم که الگوریتم توانایی تولید آرایه پوشش تا قوه t = 15 را دارد. علاوه‌براین، توانایی الگوریتم در کمینه‌سازی دنباله آزمون نیز بالا است. نتایج نشان می‌دهد که الگوریتم پیشنهادی قادر به تولید نتایج بسیار بهتری نسبت به سایر روش‌های موجود است. https://tjee.tabrizu.ac.ir/article_7370_455eda53490e851ea7372e0b0a1443be.pdf