Navegación

Búsqueda

Búsqueda avanzada

Formulación Robusta para el Problema de Selección de Requisitos

El problema de selección de requisitos consiste en elegir un subconjunto de requisitos que serán desarrollados en la siguiente versión del producto software. Esta elección se debe hacer de tal forma que se maximice la satisfacción de los clientes y se minimice el coste de implementación, cumpliendo, además, con una serie de dependencias entre los requisitos. Tanto el coste de implementación de los requisitos como la satisfacción de los clientes están sujetos a incertidumbre y se pueden modelar mediante variables aleatorias. Como resultado, el coste total y el valor de una solución (subconjunto de requisitos) también son variables aleatorias. Un decisor normalmente prefiere soluciones robustas, es decir, con baja incertidumbre en sus valores objetivos. Esta preferencia se puede modelar minimizando la varianza de las variables aleatorias, a la vez que se optimizan sus valores promedios. En este trabajo presentamos una formulación robusta del problema de selección de requisitos con cuatro objetivos: los promedios del coste y satisfacción, y sus varianzas. Para resolver el modelo empleamos un resolutor de programación lineal entera que se aplica a una suma ponderada de los objetivos, obteniendo soluciones soportadas del frente de Pareto.

Multi-Objective Test Case Prioritization in Highly Configurable Systems: A Case Study

Test case prioritization schedules test cases for execution in an order that attempts to accelerate the detection of faults. The order of test cases is determined by prioritization objectives such as covering code or critical components as rapidly as possible. The importance of this technique has been recognized in the context of Highly-Configurable Systems (HCSs), where the potentially huge number of configurations makes testing extremely challenging. However, current approaches for test case prioritization in HCSs suffer from two main limitations. First, the prioritization is usually driven by a single objective which neglects the potential benefits of combining multiple criteria to guide the detection of faults. Second, instead of using industry-strength case studies, evaluations are conducted using synthetic data, which provides no information about the effectiveness of different prioritization objectives. In this paper, we address both limitations by studying 63 combinations of up to three prioritization objectives in accelerating the detection of faults in the Drupal framework. Results show that non-functional properties such as the number of changes in the features are more effective than functional metrics extracted from the configuration model. Results also suggest that multi-objective prioritization typically results in faster fault detection than mono-objective prioritization. Indicios de calidad de la revista: Journal of Systems and Software (Elsevier) ISSN: 0164-1212 Factor de impacto 2015: 1,424 Factor de impacto a 5 años: 1,767 Indexada en dos categorías: Computer Science / Theory & Methods: 31/105 (Q2) Computer Science / Software Engineering: 24/106 (Q1) Otros datos: CiteScore: 2.93 Source Normalized Impact per Paper (SNIP): 2.415 SCImago Journal Rank (SJR): 0.897 Indicios de calidad del propio paper: Número de Citas según Google Scholar: 3 Número de lecturas según Research Gate: 73

Resolviendo un problema multi-objetivo de selección de requisitos mediante resolutores del problema SAT

El problema de selección de requisitos (o Next Release Problem, NRP) consiste en seleccionar el subconjunto de requisitos que se va a desarrollar en la siguiente versión de una aplicación software. Esta selección se debe hacer de tal forma que maximice la satisfacción de las partes interesadas a la vez que se minimiza el esfuerzo empleado en el desarrollo y se cumplen un conjunto de restricciones. Este es un problema de optimización combinatorio multi-objetivo para el que se han utilizado en el pasado técnicas heurísticas y metaheurísticas en su resolución, ya que es NP-difícil. En el presente trabajo proponemos la traducción de este problema a lógica proposicional y el uso de resolutores del problema SAT en una estrategia para encontrar el frente de Pareto de forma exacta.