Autor:
Rutle, Adrian

Cargando...
Foto de perfil

E-mails conocidos

aru@hvl.no
aru@hib.no
adrian.rutle@hvl.no

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Rutle

Nombre de pila

Adrian

Nombre

Nombres alternativos

Afiliaciones conocidas

Western Norway University of Applied Sciences, Norway
Faculty of Engineering and Business Administration, Norway
Western Norway University of Applied Sciences, Bergen, Norway, Norway

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • Artículo
    Evaluación de la Sobrecarga en Pruebas de Transformaciones de Modelos
    Rodríguez-Echeverría, Roberto; Macías, Fernando; Conejero, José María; Preciado, Juan Carlos; Prieto Ramos, Álvaro E.; Rutle, Adrian. Actas de las XXIII Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2018), 2018-09-17.
    En el Desarrollo Software Dirigido por Modelos, el desarrollo y mantenimiento de transformaciones entre modelos conlleva grandes costes. La definición de pruebas permite mejorar la calidad y reducir los costes de estos procesos. Sin embargo, hasta ahora no se ha considerado la sobrecarga introducida por las actuales propuestas de pruebas. En este trabajo, se identifican las principales fuentes de sobrecarga en propuestas de pruebas basadas en contratos.
  • Artículo
    Towards quality assurance in repaired models with PARMOREL
    Barriga, Angela; Rutle, Adrian; Heldal, Rogardt. Actas de las XXIV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2019), 2019-09-02.
    Due to the importance of models in the software engineering process, it is crucial to keep them free of errors and assure their quality. As part of our research, we are developing PARMOREL, a tool for personalized and automatic model repair. PARMOREL uses reinforcement learning to find the best sequence of actions for repairing a broken model according to preferences chosen by the user. In this paper, we present a proposal for integrating quality assurance into PARMOREL. We describe an architecture that would allow PARMOREL to learn to automatically repair models with high quality.