Localização de defeitos evolucionária baseada em fluxo de dados

Página do item simplificado
dc.contributor.advisor1Leitão Junior, Plínio de Sá
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4480334653242457pt_BR
dc.contributor.referee1Leitão Junior, Plínio de Sá
dc.contributor.referee2Soares, Telma Woerle de Lima
dc.contributor.referee3Chaim, Marcos Lordello
dc.creatorSilva Junior, Deuslirio da
dc.creator.Latteshttp://lattes.cnpq.br/9426509294797070pt_BR
dc.date.accessioned2020-09-16T16:11:03Z
dc.date.available2020-09-16T16:11:03Z
dc.date.issued2020-07-22
dc.description.abstractContext- Fault localization is the activity of precisely indicating the faulty commands ina buggy program. This is an activity known to be too costly and monotonous. Automatingthis process has been the objective of several studies, having proved to be a challengingproblem. A common strategy is to associate a suspiciousness value to each command inthe code. Most methods, which use this strategy, are heuristics that use the commandsexecuted during the software test as an information source. These approaches are knownto be based on the control-flow coverage spectrum.Objective- The present study seeks toinvestigate another source of information about faults, the data-flow, which is expressedby the relationship between the places of definition and places of use of variables. How thedata-flow can contribute to fault localization and how to use it in evolutionary strategiesare interests of this work.Approach- Two evolutionary approaches are presented, onebased on a genetic algorithm (GA) that seeks to combine different heuristics using control-flow and also data-flow as a sources of information about faults. And another, based ongenetic programming (GP), which uses new variables that express the data-flow coveragespectrum, to generate new equations, more fitted to fault localization.Results- The GAapproach was evaluated in 7 small C programs that make up theSiemens Suite,benchmarkwidely used in similar approaches, and also in a set of faulty versions of the Java programjsoup. The evaluation metrics used describe the effectiveness from an absolute pointof view, as well as the dependence on tiebreak strategies. In this context, although theapproach using only data-flow produces competitive results, the hybrid approach (control-flow and data-flow) stands out for maintaining good results in terms of effectiveness, andstill being less dependent on tiebreakers. The GP approach in turn was investigated foreffectiveness using popular metrics in this context, and also for efficiency, by countingthe cycles of executions (generations) necessary to present competitive results. Again, thehybrid strategy stands out for producing the same results as other methods, but requiringless generations to do so.Conclusions- The results of both approaches highlight thatalthough data-flow has good effectiveness in locating defects, hybrid strategies, usingcontrol- and data-flow as sources of information about defects, generally outperforms allthe methods used as a comparison. However, further investigations must be conducted indifferent sets of programs.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2020-09-16T14:50:22Z No. of bitstreams: 2 Dissertação - Deuslirio da Silva Junior - 2020.pdf: 1464850 bytes, checksum: 9fb4dc844e2f87d6bd452e689b5b4233 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2020-09-16T16:11:03Z (GMT) No. of bitstreams: 2 Dissertação - Deuslirio da Silva Junior - 2020.pdf: 1464850 bytes, checksum: 9fb4dc844e2f87d6bd452e689b5b4233 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)en
dc.description.provenanceMade available in DSpace on 2020-09-16T16:11:03Z (GMT). No. of bitstreams: 2 Dissertação - Deuslirio da Silva Junior - 2020.pdf: 1464850 bytes, checksum: 9fb4dc844e2f87d6bd452e689b5b4233 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Previous issue date: 2020-07-22en
dc.description.resumoContexto- Localização de defeitos (Fault Localization) é descrita como o processo de precisamente indicar o(s) elemento(s) que torna(m) defeituoso um dado código de programa. Esta é uma atividade conhecida por ser demasiadamente custosa e monótona. Au-tomatizar esse processo têm sido o objetivo de diversos estudos, tendo se mostrado umproblema desafiador. Uma estratégia comum é associar um valor de propensão a defeitoa cada comando do código. A maioria dos métodos ,que utilizam esta estratégia, são heu-rísticas que usam como fonte de informação os comandos executados durante o teste desoftware. Estas abordagens são conhecidas por serem baseadas no espectro de coberturade fluxo de controle (control-flow).Objetivo- O presente estudo busca investigar outrafonte de informação sobre os defeitos, o fluxo de dados (data-flow), que se expressa pelarelação de locais de definição e locais uso de variáveis. Como o fluxo de dados pode con-tribuir para a localização de defeitos e como utilizá-lo em estratégias evolucionários sãointeresses deste trabalho.Abordagem- São apresentadas duas abordagens evolucioná-rias, uma baseada em algoritmo genético (GA) que busca combinar diferentes heurísticasutilizando fluxo de controle e também fluxo de dados como fonte de informação sobredefeitos. E outra baseada em programação genética (GP), que utiliza de novas variáveisque expressam o espectro de cobertura de fluxo de dados, para gerar novas equações,vocacionadas à localização de defeitos.Resultados- A abordagem GA foi avaliada em7 programas C pequenos que compõem oSiemens Suite,benchmarkbastante utilizadoem abordagens similares, e também em um conjunto de versões defeituosas do programajsoup. As métricas de avaliação utilizadas descrevem a eficácia do ponto de vista absoluto,e também a dependência por estratégias de desempate. Nesse contexto, apesar de a abor-dagem utilizando apenas fluxo de dados produzir resultados competitivos, a abordagemhíbrida (fluxo de controle e fluxo de dados) se destaca por manter bons resultados quantoa eficácia, e ainda ser menos dependente de desempates. A abordagem GP por sua vezfoi investigada quanto à eficácia utilizando métricas populares neste contexto, e tambémquanto a eficiência, através da contagem das ciclos de execuções (gerações) necessáriospara apresentar resultados competitivos. Novamente a estratégia híbrida se destaca porproduzir o mesmo resultas que outros métodos, mas demandando menos gerações paraisso.Conclusões- Os resultados de ambas as abordagens destacam que apesar de fluxode dados apresentar boa eficácia para a localização de defeitos, as estratégias híbridas,utilizando fluxo de controle e fluxo de dados como fontes de informação sobre defeitos, superam todas os métodos usados como comparação. Porém mais investiga-ções devem ser conduzidas em diferentes conjuntos de programas.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.identifier.citationSILVA, D. J. Localização de defeitos evolucionária baseada em fluxo de dados. 2020. 91 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2020.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/10730
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectLocalização de defeitospor
dc.subjectSBSEpor
dc.subjectDepuração de softwarepor
dc.subjectFault localizationeng
dc.subjectSBSEeng
dc.subjectSoftware debuggingeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleLocalização de defeitos evolucionária baseada em fluxo de dadospt_BR
dc.title.alternativeData-flow-based evolutionary fault localizationeng
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Deuslirio da Silva Junior - 2020.pdf
Tamanho:
1.4 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)