Autor:
Herranz, Ángel

Foto de perfil

E-mails conocidos

aherranz@fi.upm.es
angel.herranz@upm.es

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Herranz

Nombre de pila

Ángel

Nombre

Nombres alternativos

Herranz, Angel

Afiliaciones conocidas

Universidad Politécnica de Madrid, Spain

Páginas web conocidas

http://babel.ls.fi.upm.es/~angel
Página completa del ítem
Notificar un error en este autor

Filtros

2023 - 20242
Restablecer filtros

Ajustes

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • Miniatura
    Artículo
    Work in Progress: Generation of Algebraic Data Types using Evolutionary Algorithms
    Ballesteros, Ignacio; Benac Earle, Clara; Fredlund, Lars-Ake; Herranz, Ángel; Mariño, Julio. Actas de las XXII Jornadas sobre Programación y Lenguajes (PROLE 2023), 2023-09-12.
    Automatic data generation is a key component of automated software testing. Random generation of test input data can uncover some bugs in software, but its effectiveness decreases when those inputs must satisfy complex properties in order to be meaningful. In this work we study an evolutionary approach to generate values that can be encoded as algebraic data types plus additional properties. More specifically, we have conducted an experiment on the automated generation of red-black trees using evolutionary algorithms. Although relatively simple, this example will allow us to introduce the main principles of evolutionary algorithms and how these principles can be applied to obtain valid, nontrivial samples of a given data structure. While the preliminary results show some potential, further experimentation is needed.
  • Miniatura
    Artículo
    Property-based Testing usando GPU
    Ballesteros, Ignacio; Benac Earle, Clara; Mariño, Julio; Fredlund, Lars-Ake; Herranz, Ángel. Actas de las XXIII Jornadas de Programación y Lenguajes (PROLE 2024), 2024-06-17.
    La generación aleatoria de datos es un componente fundamental del testing automático de programas. No obstante, la generación aleatoria tiene ciertas limitaciones cuando los datos generados tienen que cumplir ciertas propiedades. Este trabajo explora la posibilidad de utilizar hardware paralelo para hacer más efectivo el proceso de generación de datos y así mejorar la aplicabilidad de las técnicas de testing basado en propiedades.