文献

J-GLOBAL ID：202202275826528546   整理番号：22A1117572

知的ソフトウェアデバッギング:最短衝突シナリオを検出するための強化学習アプローチ【JST・京大機械翻訳】

Intelligent software debugging: A reinforcement learning approach for detecting the shortest crashing scenarios

著者 (2件)： Durmaz Engin (Marmara University, Faculty of Engineering, Computer Engineering Department, Egitim, Fahrettin Kerim Gokay St., 34722, Kadikoy, Istanbul, Turkey) ,  Tuemer M. Borahan (Marmara University, Faculty of Engineering, Computer Engineering Department, Egitim, Fahrettin Kerim Gokay St., 34722, Kadikoy, Istanbul, Turkey)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 198  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 品質保証(QA)チームは,その放出決定の前の月のためのソフトウェアを検証した。それにもかかわらず,いくつかの重要なバグは手動試験で検出されないままである。これらのバグは,フィールドに不使用のシステムを作るので,マーチャーは金銭を失い,生産者は顧客を失う。したがって,自動ソフトウェア試験法は,より多くのバグを捕獲するために避けられない。衝突シナリオに重点を置いて,バグを位置決めし,修復するために,本研究では,RL問題の目標状態を表すシステム衝突またはブロッキングに導く入力シーケンス(s)の発見および単純化のための強化学習(RL)アプローチを提示した。開発者が衝突または凍結を引き起こすエージェントの行動を解析するように,同じバグのための最短入力シーケンスを得ることを狙った。最初に,再帰デルタデバッグ(RDD)を用いて,与えられた衝突シナリオを単純化し,次に,RLアルゴリズムを適用して,恐らくより短い衝突シーケンスを探索した。著者らは,エージェントが最初に入力を実行することによって衝突/ブロッキングの目標状態を達成するRL問題として,衝突シナリオの調査にアプローチして,次に,報酬機構の助けを借りて入力シーケンスを短くした。著者らは,著者らの問題に対してモデルフリーのポリシーとモデルベースの計画可能なRLエージェントの両方を適用した。さらに,著者らは,小さな分散で学習を停止し,無関係な行動を再帰的に除去するアルゴリズムで最短の衝突シーケンスを達成することにより,収束によるグラップリングを回避することによって,時間計算量を低減する,検出Goal触媒(DGC)を含む,新しいRLアプローチを提示する。実験は,DGCが最短経路を得る上で,SARSAと優先順位付けSweepingアルゴリズムの学習性能を著しく改善することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  簡素化 ,  システム ,  品質保証 ,  *デバッギング ,  ブロッキング ,  生産者 ,  モデル ,  *ソフトウェア ,  ソフトウェア障害 ,  エージェント ,  *強化学習 ,  *シナリオ
準シソーラス用語： 試験方法 ,  モデルベース , 【Automatic Indexing@JST】

著者キーワード (5件)： 自動バグ検出における強化学習 ,  SARSAによる衝突の調査 ,  優先順位付き掃引による衝突の調査 ,  デルタデバッギング ,  検出目標触媒

分類 (2件)： 人工知能  (JE08000Z) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： ソフトウェア ,  デバッギング ,  衝突 ,  シナリオ ,  強化学習