16、并发软件测试数据生成的生物启发式优化与超参数调优研究

并发软件测试数据生成的生物启发式优化与超参数调优研究

在软件开发领域，并发软件测试数据的生成一直是一个具有挑战性的问题。同时，基于搜索的软件测试（SBST）中，超参数调优的效果也备受关注。下面我们将详细探讨相关的研究内容。

生物启发式优化方法BioConcST的研究

在并发软件测试数据生成方面，BioConcST是一种生物启发式的优化方法。研究人员对BioConcST和传统的EGA方法进行了对比实验，实验使用了12个通过消息传递和共享内存进行通信的Java并发程序。

实验结果表明，原假设(H0)关于所研究方法之间标准覆盖率的平等性可以被拒绝，BioConcST在消息传递程序中取得了更好的结果。通过Vargha - Delaney效应大小测量来评估统计测试估计的差异大小，具体数据如下表所示：

测试标准	消息传递（效应大小）	消息传递（量级水平）	共享内存（效应大小）	共享内存（量级水平）
AN	1.0	大	1.0	大
AE	1.0	大	1.0	大
AU