测试维护预测的代理信息融合探索

测试维护是一项至关重要但成本高昂的活动——尤其是在代码库快速发展的情况下。为了提供帮助，我们提出了 MAST，这是一个多代理框架，可以预测在生产代码更改后哪些测试用例需要维护。作为任何后续维护活动的先决条件，此识别任务是必要的，但由于生产和测试代码之间的复杂关系，仍然具有挑战性。 MAST 通过集成多种分析（包括静态、词汇和语义分析），通过智能融合和后检查程序，并关注实际使用和评估设置（即标准化输入格式、存储库级分析以及推断测试和生产工件之间关系的能力，而不是假设预先存在的映射），从而推进了最先进的技术。我们在 Ericsson AB 的 21 个工业 Java 存储库上评估了 MAST，考虑了 真值 中需要和不需要测试维护的情况。 MAST 的精度优于最先进的基线 - 从而获得更高的准确度、F1 和 F2 分数 - 召回率仅有一些损失。我们的消融研究证明了每项分析在产生最终建议方面的价值。 MAST 展示了多代理系统在执行软件测试任务时可以融合多个信息源的潜力。