Test statistique structurel par résolution par contraintes de choix probabiliste

Using probabilistic choice constraints for statistical structural testing

• Auteur / Autrice : Matthieu Petit
• Direction : Thomas Jensen
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2008
• Etablissement(s) : Rennes 1

Mots clés

Mots clés contrôlés

Logiciels -- Vérification

Contraintes (intelligence artificielle)

Résumé

Dans cette thèse, une méthode de génération statistique de données de test est présentée. Les jeux de tests générés respectent certaines propriétés probabilistes : la sélection uniforme de chemins exécutables satisfaisant un objectif de test structurel et la sélection uniforme de données de test activant le chemin sélectionné. Pour adresser ce problème, nous combinons une modélisation stochastique et à contraintes pour adresser le problème de génération statistique de données de test. Des contraintes permettant de modéliser des choix probabilistes partiellement connus sont définies. Dans ce cadre de travail, la sélection uniforme de chemins exécutables est exprimée comme un programme à contrainte de choix probabiliste. Un algorithme permet la sélection uniforme des données de test activant le chemin sélectionné. Le prototype GENETTA a permis de valider la méthode de test. Notre librairie de contraintes de choix probabiliste PCC(FD) constitue le coeur de ce prototype.

In this thesis, a method to automatically generate test data at random is proposed. The test data generator respects strong probabilistic properties: uniform selection of feasible paths that satisfy the coverage of structural testing criteria and uniform selection of test data that execute the selected paths. We combine stochastic and constraint modelling to address the statistical test data generation problem. Stochastic modelling is based on the assumption that the distribution probability is known. We define probabilistic choice constraints to reason on random variables whose probability distribution is only partially known. In this framework, uniform selection of feasible paths is expressed as a problem of probabilistic choice constraints. An algorithm is proposed to generate uniformly test data that activate a path. GENETTA tools permits to validate the statistical test data generator. This tool uses our library of probabilistic choice constraints PCC(FD).