ندارد

ماژول

پوشش، تغییر

شبکه های بیزی BN

فصل پنجم
نتیجه گیری و پیشنهادات
۱-۵ نتیجه گیری
رویکرد ارائه شده در این پایان نامه ، رویکردی جدید برای اولویت بندی موارد تست می‌باشد که برای بهبود بخشیدن به نرخ شناسایی خطا و همچنین شناسایی خطاهای شدید در تست رگرسیون و تست غیر رگرسیون می‌توان بکار برد ضمن اینکه تشخیص خطاهای شدید در مدل پیشنهادی بهبود یافته است. ما در این پایان نامه مدلی را پیشنهاد کرده‌ایم که بر اساس آن می‌توان اولویت بندی موارد تست را به گونه ای کارآمدتر از دیگر روش‌های پیشنهاد شده تا به حال انجام داد. زیرا روش‌هایی که تا کنون برای اولویت بندی موارد تست پیشنهاد شده‌اند و مورد مطالعه قرار گرفته‌اند هر یک دارای مزایا و معایبی هستند که عبارتند از : رویکرد اولویت بندی موارد تست نرم افزار بر اساس شبکه‌های بیزی [۲۶,۲۷,۲۸,۳۸,۳۹,۴۰]که مورد مطالعه قرار گرفتند، بر روی تست رگرسیون تمرکز کرده‌اند و منابع آنها برای جمع آوری داده‌های مورد نیاز جهت اولویت بندی موارد تست محدود به داده‌های قبلی از اجراهای موارد تست ، موارد تست موجود از تست های قبلی اجرا شده بر روی نرم افزار می‌باشد که این خود به عنوان یک عیب یا نقص برای آنها تلقی می‌گردد. زیرا اینگونه روش‌ها فقط برای تست رگرسیون می‌توانند مورد استفاده قرار گیرند و اگرچه بخواهیم برای غیر تست رگرسیون یعنی به عنوان مثال تست توسعه نرم افزار از این روش‌ها استفاده کنیم قادر به چنین کاری نخواهیم بود زیرا ما در تست توسعه نرم افزار دیگر به داده‌های اجرای موارد تست و تعدادی موارد تست موجود دسترسی نداریم.
از دیگر مواردی که در کار مشابه با کار پیشنهادی ما وجود دارد این است که در رویکرد ارائه شده توسط [۲۹,۳۰] برکلاس های برنامه تمرکز شده است اما ما نیز در رویکردمان به استناد بر قانون پارتو بر ماژول‌های برنامه تمرکز کردیم تا دقیق تر مسئله را مورد برسی قرار دهیم و تست نرم افزار و اولویت بندی نهایی ما کارآمدی لازم را داشته باشد. همچنین ما نسبت به روش پیشنهادی که بر اساس ساختار برنامه عمل اولویت بندی موارد تست را انجام می‌دهد، [۳۱] و به کار ما مشابهت دارد معیارها و فاکتورهای بیشتری را در نظر گرفته‌ایم و همچنین رویکردمان را از حیث داده‌های ورودی فقط به ساختار برنامه محدود نکرده‌ایم و از دیگر داده‌های در دسترس از قبیل (نیازمندی‌های کاربر، نظر افراد خبره و کارشناسان و اطلاعات قبلی اجرای موارد تست) نیز بهره می‌بریم تا اینکه بر اساس داده‌ها بتوانیم بهترین تصمیم گیری را انجام دهیم تا در نهایت اولویت بندی کارآمدی را در خروجی کار بدست آوریم با نرخ تشخیص خطای بیشتر برای خطاهای شدید موجود در برنامه تحت تست. مسئله دیگر اینکه در کارهای پیشنهادی تا قبل از کار پیشنهادی ما در هیچکدام از روش‌ها دیده نشده و محققان به آن توجه نکرده‌اند موضوع عدم قطعیت است. و اینکه زمان هایی پیش می‌آید که بایستی بر اساس اطلاعات ناکافی و احتمالی تصمیم گیری صورت گیرد و ما در رویکرد خویش با استفاده از شبکه‌های بیزی به این موضوع پرداخته‌ایم و آنرا در تصمیم گیری‌ ها و در نهایت در اولویت بندی موارد تست لحاظ کرده‌ایم. در این پایان نامه وابستگی مدل پیشنهادی به داشتن اطلاعات دقیق و کامل از اجراهای قبلی موارد تست کاهش یافته است و در مواقع وجود عدم قطعیت مدل پیشنهاد شده همانند روش های مشابه قابل استفاده و پاسخگو می باشد. در نهایت، مدل پیشنهاد شده قابل استفاده در تست رگرسیون و غیر رگرسیون می باشد .

۲-۵ پیشنهادات آینده

با توجه به قابلیت‌ ها و امکاناتی که رویکرد پیشنهاد شده در این پایان نامه به دلیل بهره بردن از شبکه های بیزی با پشتوانه ریاضی و فرمال دارد، می‌توان در کارهای آینده از این رویکرد برای محاسبه پیچیدگی نرم افزار بر اساس معیارهای مختلف و در نظر گرفتن عدم قطعیت در آن میزان پیچیدگی محصول نرم افزاری را تعیین یا پیش بینی نمود. همچنین برای تست نرم افزارهای تحت وب یا انواع وب سایت ها می توان از رویکرد پیشنهادی بهره برد. در ضمن، قصد داریم در کارهای بعدی، با استفاده از آزمایشات تجربی و مدنظر قرار دادن مدل های هزینه- فایده مدل پیشنهادی خود را بهبود دهیم. ما در رویکرد پیشنهادی مکانیزم بازخورد را قرار نداده‌ایم و در نظر داریم برای کار بعدی که مدلی مقرون به صرفه خواهد بود از این مکانیزم هم بهره ببریم که این امر مستلزم تحقیق و پژوهش های بیشتری می‌باشد تا اینکه ثابت شود مدل پیشنهادی را دچار بار اضافی نمی‌سازد. یکی دیگر از گزینه های پیش رو برای توسعه و گسترش این کار در نظر گرفتن معیارهای ارزیابی بیشتر برای روش‌های اولویت بندی را می توان نام برد. در نهایت یکی دیگر از جنبه های بهبود و تکامل مدل پیشنهادی، بهره بردن از قابلیت یادگیری ماشین به همراه شبکه بیزی در کارهای آتی می باشد.
پیوست الف: واژه نامه ی فارسی به انگلیسی