مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 23 2 2025 10 18 Automation of Software Test Data Generation Based on Path Coverage Criteria and Using Coati Optimization Algorithm and Q Learning بهبود فرایند تولید خودکار داده آزمون نرم‌افزار مبتنی بر معیار پوشش مسیر و با استفاده از ترکیب الگوریتم بهینه سازی کواتی و الگوریتم یادگیری Q 99 110 fa مرضیه سپهوند دانشگاه آزاد اسلامی واحد خرم آباد مجتبی صالحی دانشگاه آزاد اسلامی واحد خرم آباد 2024 4 22 <p>The software testing process is very time-consuming and expensive and accounts for almost half of the cost of software production. The main issue in the test data generation process is determining the program's input data in such a way that it meets the specified test criteria. In this research, the structural method has been used to automate the process of generating test data, focusing on the criterion of covering all finite paths. In the structural method, the problem becomes a search problem, and metaheuristic algorithms can be used to solve it. The proposed method is a hybrid algorithm in which the q-learning algorithm is used as a local search method within the structure of the Coati search algorithm. The results of the tests have shown that this method for generating test data is faster than many metaheuristic algorithms and can provide better coverage with fewer evaluations. On average, our proposed algorithm shows about 25-30% improvement in coverage compared to other algorithms, which makes it significantly more effective than other algorithms. This shows that our algorithm achieves superiority over other compared algorithms due to its more efficient and optimal path coverage approach.</p> <p>آزمون نرم&zwnj;افزار یکی از مهم&zwnj;ترین روش&zwnj;های تحلیل میزان اطمینان کیفیت نرم&zwnj;افزار است. این فرایند بسیار زمان&zwnj;بر و پرهزینه است و تقریباً نیمی از هزینه تولید نرم&zwnj;افزار را به خود اختصاص داده است. از این رو به دنبال استفاده از روش&zwnj;های خودکار به منظور کاستن هزینه و زمان آزمون هستیم. مسأله عمده در فرایند تولید داده آزمون، تعیین داده&zwnj;های ورودی برنامه، به گونه&zwnj;ای است که معیار آزمون مشخص&zwnj;شده را برآورده سازد. در این تحقیق از روش ساختاری به منظور فرایند خودکارسازی تولید داده آزمون با تمرکز بر معیار پوشش همه مسیرهای متناهی استفاده شده است. در روش ساختاری، مسأله به یک مسأله جستجو تبدیل شده و از الگوریتم&zwnj;های فرامکاشفه&zwnj;ای برای حل آن استفاده می&zwnj;شود. روش پیشنهادی یک الگوریتم ترکیبی است که در آن الگوریتم یادگیری q به&zwnj;عنوان یک روش جستجوی محلی در درون ساختار الگوریتم جستجوی کواتی مورد استفاده قرار می&rlm;گیرد. به طور متوسط، الگوریتم پیشنهادی ما در مقایسه با سایر الگوریتم&zwnj;ها حدود 25 تا 30 درصد بهبود را در پوشش نشان می&zwnj;دهد که آن را به طور قابل توجهی نسبت به دیگر الگوریتم ها مؤثرتر می&zwnj;کند. نتایج آزمایش&zwnj;ها نشان می&zwnj;دهد که الگوریتم پیشنهادی به&zwnj;دلیل رویکرد بهینه در جست&zwnj;وجوی مسیرهای آزمون، در مقایسه با سایر الگوریتم&zwnj;ها، پوشش مسیر بالاتری حاصل کرده است.</p> آزمون نرم‌افزار، تولید داده آزمون، آزمون ساختاری، الگوریتم‌های فرامکاشفه‌ای، الگوریتم یادگیری‌ Q. http://ijece.org/ar/Article/Download/46471