Table of Contents
پیش بینی موارد آزمون در تست نرم افزار برای شناسایی شکست ها به طور موثر ضروری است.مدل های ریاضی به تعیین سفارش که در آن موارد آزمون باید بر اساس احتمال شکست آنها اجرا شود، این مدل ها اثربخشی تست را با تمرکز بر مهم ترین موارد آزمایش بهبود می بخشد.
عدم توانایی در تست پرونده اولویت بندی
برآورد احتمال شکست نشان می دهد که چگونه یک مورد آزمون است که نشان می دهد که این برآوردها می تواند از داده های تاریخی، پیچیدگی کد یا قضاوت کارشناسان حاصل شود.در اختیار داشتن احتمال شکست در مدل های اولویت بندی اطمینان حاصل می کند که موارد آزمون پرخطر زودتر اجرا می شوند و خطر نقص های ناشناخته را کاهش می دهند.
مدل های ریاضی استفاده می شود
چندین مدل از احتمالات شکست برای بهینه سازی سفارش پرونده آزمون استفاده می کنند. رویکردهای رایج شامل مدل های احتمالی مانند شبکه های zi و الگوریتم های اکتشافی است که احتمال شکست را شامل می شوند.این مدل ها هدف آن است که میزان تشخیص را در منابع تست محدود به حداکثر برسانند.
مثالی از مدل اولویت بندی
یک مدل ساده احتمال شکست را برای هر مورد آزمون تعیین می کند. سپس موارد تست در دستور نزولی این احتمالات مرتب می شوند.این روش تضمین می کند که موارد آزمایش با بالاترین احتمال شکست در ابتدا اجرا می شوند و احتمال تشخیص نقص زودرس را افزایش می دهد.
- احتمال شکست
- آزمایش های منظم بر اساس احتمالات
- اجرای به منظور کاهش احتمال
- به روز رسانی احتمالات بر اساس نتایج