Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5056
metadata.teses.dc.title: Implementação de ferramenta com abordagem multi-objetiva utilizando algoritmos evolutivos
metadata.teses.dc.creator: Nicolau, Marcos Paulo Maia
metadata.teses.dc.contributor.advisor1: Greghi, Juliana Galvani
metadata.teses.dc.contributor.referee1: Pereira, Marluce Rodrigues
Resende, Antônio Maria Pereira de
metadata.teses.dc.subject: Teste de software
Otimização
Heurística evolutiva
Heurística
Software testing
Heuristics
Computação evolutiva
Evolutionary computation
metadata.teses.dc.date.issued: 2015
metadata.teses.dc.identifier.citation: NICOLAU, M. P. M. Implementação de ferramenta com abordagem multi-objetiva utilizando algoritmos evolutivos. 2012. 96 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2012.
metadata.teses.dc.description.resumo: A Engenharia de Software tem se mostrado cada vez mais importante para o desenvolvimento de software de qualidade. Ferramentas e soluções que visam praticidade e confiabilidade para os sistemas em desenvolvimento, têm muito a acrescentar nesse cenário. Sendo assim, a automatização de processos de Teste de Software se torna muito importante, tanto para agilizar os processos de Teste, quanto para agregar valor aos resultados gerados, visto que a execução manual é muito propensa a erros. O presente trabalho implementa algoritmos para a geração automática de dados de teste, baseado em máquinas de estados finitas estendidas, combinando testes de caixa branca, a partir das heurísticas evolutivas M-GEOvsl e MOST.
metadata.teses.dc.description.abstract: Software Engineering has an important role in software development. Tools and solutions aimong practicality and reliability for systems under development, have much to add in this scenario. The Software Testing is one of the areas of Software Engineering which aims to help quality software development. Thus, the automation of software testing becomes very important, both to streamline the test, as to add value to the generated results, since the manual execution is very errorprone. This work implements algorithms for the automatic generation of test data, based on Extended Finite State Machines (EFSM), using evolutionary heuristics M-GEOvsl e MOST.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/5056
metadata.teses.dc.language: pt_BR
Appears in Collections:PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.