Search-Based Software Engineering:

Search-Based Software Engineering: Trends, Techniques and Applications 11:25

Fig. 6. Pareto optimality and pareto fronts.

Recently, research on SBSE has started to move from single-objective formulations
to multiobjective formulations, with an increasing focus on Pareto-optimal optimiza-
tion techniques. For example, Harman [Yoo and Harman 2011] recently set out a
research agenda for Multiobjective Regression Test Optimization. Recent work has
produced multiobjective formulations of problems in many application areas within
SE including requirements [Finkelstein et al. 2008; Zhang et al. 2007b], testing
[Del Grosso et al. 2005; Everson and Fieldsend 2006; Harman et al. 2007b], quality
assurance [Khoshgoftaar et al. 2004b], refactoring [Harman and Tratt 2007], and
project management [Alba and Chicano 2007d].

11.10. Coevolution

In coevolutionary computation, two or more populations of solutions evolve simultane-
ously with the fitness of each depending upon the current population of the other. The
idea, as so far applied in SBSE work, is to capture a predator-prey model of evolution,
in which both evolving populations are stimulated to evolve to better solutions.
Mantere [2003] also proposed a coevolutionary approach to automatically generate
test images for the image processing software. Adamopoulos et al. [2004] suggested
the application of coevolution in mutation testing, arguing that this could be used to
evolve sets of mutants and sets of test cases, where the test cases act as predators
and the mutants as their prey. Arcuri et al. [Arcuri 2008; Arcuri and Yao 2007] used
coevolution to evolve programs and their test data from specifications using coevolution.
Arcuri and Yao [Arcuri 2008; Arcuri and Yao 2008] also developed a coevolutionary
model of bug fixing, in which one population essentially seeks out patches that are able
to pass test cases, while test cases can be produced from an oracle in an attempt to find
the shortcomings of a current population of proposed patches. In this way the patch is
the prey, while the test cases, once again, act as predators. The approach assumes the
existence of a specification to act as the oracle.
Coevolution can also be conducted in a cooperative manner, an approach not explored
in SBSE until very recently [Ren et al. 2011]. It is likely to be productive in finding
ways in which aspects of a system can be coevolved to work better together and, like
the previously studied competitive coevolutionary paradigm, offers great potential for
further application in SBSE.
Many aspects of SE problems lend themselves to a coevolutionary model of optimiza-
tion because software systems are complex and rich in potential population that could
be productively coevolved (using both competitive and cooperative coevolution). As
with traditional SBSE, it is in the area of testing where the analogy is perhaps clearest

ACM Computing Surveys, Vol. 45, No. 1, Article 11, Publication date: November 2012.

Kết quả (Việt) 1:

Tìm kiếm dựa trên công nghệ phần mềm: Xu hướng, kỹ thuật và ứng dụng 11:25 Hình 6. Pareto điều và mặt trận pareto. Gần đây, các nghiên cứu trên SBSE đã bắt đầu để di chuyển từ công thức duy nhất-mục tiêu với công thức multiobjective, với một tập trung ngày càng tăng trên tối ưu Pareto optimiza- tion kỹ thuật. Ví dụ, Harman [Yoo và Harman 2011] mới đặt ra một nghiên cứu chương trình nghị sự cho Multiobjective hồi qui kiểm tra tối ưu hóa. Tác phẩm gần đây có sản xuất các công thức multiobjective của các vấn đề trong nhiều lĩnh vực ứng dụng trong vòng SE bao gồm yêu cầu [Finkelstein et al. 2008; Trương et al. 2007b], thử nghiệm [Del Grosso et al. 2005; Everson và Fieldsend năm 2006; Harman et al. 2007b], chất lượng bảo đảm [Khoshgoftaar et al. 2004b], refactoring [Harman và Tratt 2007], và quản lý dự án [Alba và & g 2007 d]. 11,10. coevolution Trong tính toán coevolutionary, hai hoặc nhiều quần thể giải pháp phát triển simultane- ously với fitness của mỗi phụ thuộc vào dân số của người kia. Các ý tưởng, vì vậy xa được áp dụng trong công việc SBSE, là để nắm bắt một mô hình động vật ăn thịt-con mồi của tiến hóa hội trong đó cả hai quần thể phát triển được kích thích phát triển để giải pháp tốt hơn. Mantere [2003] cũng đề xuất một phương pháp tiếp cận coevolutionary để tự động tạo ra kiểm tra hình ảnh cho hình ảnh phần mềm xử lý. Adamopoulos et al. [năm 2004] đề xuất Các ứng dụng của coevolution ở đột biến thử nghiệm, lập luận rằng điều này có thể được sử dụng để phát triển bộ đột biến và bộ của trường hợp thử nghiệm, nơi các trường hợp thử nghiệm hoạt động như kẻ thù và người đột biến là con mồi. Arcuri et al. [Arcuri năm 2008; Arcuri và Yao 2007] sử dụng. coevolution phát triển chương trình và dữ liệu thử nghiệm của họ từ specifications bằng cách sử dụng coevolution. Arcuri và Yao [Arcuri 2008; Arcuri và Yao 2008] cũng phát triển một coevolutionary Mô hình của lỗi fixing, trong đó một dân chủ yếu tìm ra bản vá lỗi có thể để vượt qua bài kiểm tra trường hợp, trong khi trường hợp kiểm tra có thể được sản xuất từ một lời sấm trong một nỗ lực để nhiều những thiếu sót của một dân số hiện tại của bản vá lỗi được đề xuất. Bằng cách này, các bản vá lỗi là Các con mồi, trong khi các trường hợp thử nghiệm, một lần nữa, hành động như kẻ thù. Cách tiếp cận giả định các sự tồn tại của một sinh để hoạt động như nhà tiên tri. Coevolution cũng có thể được tiến hành một cách hợp tác xã, một cách tiếp cận không khám phá trong SBSE cho đến rất gần đây [Ren et al. 2011]. Nó có khả năng được sản xuất trong finding cách mà các khía cạnh của một hệ thống có thể được coevolved để làm việc tốt hơn với nhau, và như Các mô hình trước đó nghiên cứu cạnh tranh coevolutionary, cung cấp các tiềm năng lớn cho Thêm ứng dụng trong SBSE. Nhiều khía cạnh của Tây Bắc vấn đề cho vay mình để một mô hình coevolutionary của optimiza- tion bởi vì hệ thống phần mềm là phức tạp và giàu tiềm năng dân số có thể được productively coevolved (bằng cách sử dụng cả cạnh tranh và hợp tác xã coevolution). Như với truyền thống SBSE, nó là trong lĩnh vực thử nghiệm nơi tương tự là có lẽ clearest ACM Computing Surveys, Vol. 45, No. 1, điều 11, ngày phát hành: tháng 12 năm 2011.

Kết quả (Việt) 2:

Tìm kiếm dựa trên Kỹ thuật phần mềm: Xu hướng, kỹ thuật và ứng dụng 11:25 Hình. 6. Pareto tối ưu Pareto và mặt trận. Gần đây, nghiên cứu về SBSE đã bắt đầu chuyển từ công thức đơn mục tiêu để multiobjective công thức, với một sự tập trung ngày càng tăng về optimiza- Pareto tối ưu kỹ thuật tion. Ví dụ, Harman [Yoo và Harman 2011] gần đây đặt ra một chương trình nghiên cứu cho Multiobjective Regression thử nghiệm Tối ưu hóa. Nghiên cứu gần đây đã sản xuất các công thức multiobjective của các vấn đề trong nhiều lĩnh vực ứng dụng trong SE bao gồm các yêu cầu [Finkelstein et al. Năm 2008; Zhang et al. 2007b], thử nghiệm [Del Grosso et al. Năm 2005; Everson và Fieldsend năm 2006; Harman et al. 2007b], chất lượng đảm bảo [Khoshgoftaar et al. 2004b], refactoring [Harman và Tratt 2007], và quản lý dự án [Alba và Chicano 2007d]. 11.10. Coevolution Trong tính toán coevolutionary, hai hay nhiều quần thể các giải pháp phát triển simultane- ously với tness fi của mỗi phụ thuộc vào dân số hiện tại của người kia. Các ý tưởng, như cho đến nay được áp dụng trong công việc SBSE, là để nắm bắt một mô hình động vật ăn thịt con mồi của sự tiến hóa, trong đó cả hai quần thể phát triển được kích thích để phát triển các giải pháp tốt hơn. Mantere [2003] cũng đề xuất một phương pháp tiếp cận coevolutionary để tự động tạo ra hình ảnh thử nghiệm cho phần mềm xử lý hình ảnh. Adamopoulos et al. [2004] đề nghị áp dụng các coevolution trong thử nghiệm đột biến, cho rằng điều này có thể được sử dụng để phát triển bộ đột biến và bộ trường hợp thử nghiệm, nơi mà các trường hợp kiểm tra hoạt động như động vật ăn thịt và các đột biến như con mồi. Arcuri et al. [Arcuri năm 2008; Arcuri và Yao 2007] sử dụng coevolution để phát triển các chương trình và dữ liệu thử nghiệm của họ từ các cation fi Speci sử dụng coevolution. Arcuri và Yao [Arcuri năm 2008; Arcuri và Yao 2008] cũng phát triển một coevolutionary mô hình lỗi fi xing, trong đó có một dân số chủ yếu là tìm ra các bản vá lỗi có khả năng để vượt qua trường hợp thử nghiệm, trong khi trường hợp thử nghiệm có thể được sản xuất từ một oracle trong một nỗ lực để fi thứ những thiếu sót của một dân số hiện nay các đề xuất bản vá lỗi. Bằng cách này các bản vá là con mồi, trong khi các trường hợp thử nghiệm, một lần nữa, hành động như kẻ thù. Cách tiếp cận này giả định sự tồn tại của một fi cation đặc hiệu để hoạt động như oracle. Coevolution cũng có thể được tiến hành một cách hợp tác, một cách tiếp cận không khám phá trong SBSE cho đến rất gần đây [Ren et al. 2011]. Nó có khả năng được sản xuất trong nding fi cách thức mà các khía cạnh của một hệ thống có thể được coevolved để làm việc tốt hơn với nhau và, giống như mô hình coevolutionary cạnh tranh nghiên cứu trước đây, cung cấp tiềm năng tuyệt vời cho ứng dụng hơn nữa trong SBSE. Nhiều khía cạnh của vấn đề SE cho vay mình để một mô hình coevolutionary của optimiza- sự bởi vì hệ thống phần mềm rất phức tạp và phong phú về dân số tiềm năng có thể được hiệu quả coevolved (sử dụng cả cạnh tranh và coevolution hợp tác xã). Như với SBSE truyền thống, đó là trong lĩnh vực thử nghiệm nơi tương tự có lẽ là rõ ràng nhất Khảo sát máy tính ACM, Vol. 45, No. 1, Điều 11, Ngày xuất bản: Tháng Mười Một năm 2012.