【标题】A Comparison of Reinforcement Learning Frameworks for Software Testing Tasks

【作者团队】Paulina Stevia Nouwou Mindom, Amin Nikanjam, Foutse Khomh

【发表日期】2022.8.25

【论文链接】https://arxiv.org/pdf/2208.12136.pdf

【推荐理由】软件测试活动旨在发现软件产品的可能缺陷，并确保产品满足其预期要求。一些方法缺乏自动化，这增加了测试时间和总体软件测试成本。最近，强化学习（RL）已成功地应用于复杂的测试任务以实现流程自动化并提供持续适应。然而，目前没有任何研究从经验上评估RL框架中预实现算法的有效性和性能。本文实证研究了精心选择的RL算法在两个重要的软件测试任务中的应用：连续集成（CI）环境下的测试用例优先级排序和游戏测试。游戏测试任务，在简单的游戏上进行实验，并使用RL算法探索游戏以检测错误。结果表明，选定的RL框架（如Tensorforce）优于文献中的研究方法。为了区分测试用例的优先级，在CI环境中运行实验，其中使用来自不同框架的RL算法对测试用例进行排序。在某些情况下，预实现算法之间的性能差异相当大，因此需要进一步研究。此外，建议研究人员对一些基准问题进行经验评估，以选择RL框架，确保RL算法按预期运行。

内容中包含的图片若涉及版权问题，请及时与我们联系删除