Передіграційно тестові випадки є важливим для виявлення несправностей ефективно. Математичні моделі допомагають визначити порядок, в яких тестові випадки повинні бути виконані на основі їх подібності до невдачі. Ці моделі покращують ефективність тестування, фокусуючись на найбільш критичних випадках тесту.

Недостатність пробігування в тесті

Недостатність оцінки ймовірності, як ймовірно, є виявлення дефекту. Ці оцінки можуть бути отримані з історичних даних, складності коду або експертного рішення. Невірно, що необхідність в моделі попередньої обробки забезпечує, що вищі випадки тестування виконуються раніше, зменшуючи ризик неналежних дефектів.

Математичні моделі Використовується

Кілька моделей, які використовують можливості для оптимізації тестового завдання. Загальні підходи включають імобілізовані моделі, такі як Bayesian мережі, і геморагічні алгоритми, які включають ймовірність включення. Ці моделі спрямовані на максимальну швидкість виявлення в обмежених навантаженнях.

Приклад моделі пріоритетизації

Одна проста модель призначає ймовірність виходу з ладу в кожному тестовому випадку. Потім тестові випадки відсортовані в порядку спуску цих ймовірностей. Такий підхід забезпечує, що тестові випадки з найбільшою вірогідністю провалу виконуються спочатку, збільшуючи шанси раннього виявлення дефектів.

  • Оцінка нездатності
  • Сортувати тестові випадки на основі ймовірностей
  • Виконувати з метою нащадення подібності
  • Оновлення можливостей на основі результатів