Mar, 2022
仿生搜索结合仿真的机器学习测试在 ADAS 案例研究中的应用
Machine Learning Testing in an ADAS Case Study Using Simulation-Integrated Bio-Inspired Search-Based Testing
Mahshid Helali Moghadam, Markus Borg, Mehrdad Saadatmand, Seyed Jalaleddin Mousavirad, Markus Bohlin...
TL;DR本文介绍了 Deeper 的扩展版本，它是一种基于搜索的模拟集成测试解决方案，用于为测试基于深度神经网络的车道保持系统生成暴露失败的测试场景。在新提出的版本中，使用了一组新的生物启发式搜索算法，遗传算法、(μ+λ) 和 (μ,λ) 进化策略，以及粒子群优化，它们利用质量种子种群和针对建模测试场景所使用的表示模型的特定交叉和变异操作。为了展示 Deeper 中新测试生成器的能力，我们进行了实证评估，并与 SBST 2021 的五个参与工具的结果进行了比较。我们的评估显示，在限制的测试时间预算、高目标失败严重性和严格的速度限制下，Deeper 中新提出的测试生成器不仅代表了对先前版本的显着改进，而且在测试驱动的车道保持系统中，已经被证明是有效和高效的，可以触发多种失败，同时促进测试场景的多样性。