<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

DISTRIBUIÇÃO DE RELATÓRIOS DE BUGS PARA DESENVOLVEDORES DE SOFTWARE USANDO UM MÉTODO EVOLUTIVO MULTIPOPULACIONAL

dc.contributor.authorARAUJO, Kannya Leal
dc.date.accessioned2022-12-12T19:15:17Z
dc.date.available2022-12-12T19:15:17Z
dc.date.issued2022-12-12
dc.descriptionOrientador: Prof. Dr. Ricardo de Andrade Lira Rabêlo Examinador externo: Profa. Francisca Raquel de Vasconcelos Silveira Examinador interna: Prof. Hermes Manoel Galvão Castelo Branco Examinador interno: Prof. Guilherme Amaral Avelinopt_BR
dc.description.abstractRESUMO: A complexidade de um software aumenta à medida em que seu tamanho,também,aumenta. Esse aumento pode refletir um crescimento na quantidade de bugs ou falhas,tornando o processo manual de atribuição de bugs mais complexo,demorado e sujeito a erros. Técnicas existentes,de automatização desse processo, atribuem relatórios de bugs usando somente dados dos relatórios corrigidos anteriormente. Isso pode resultar em atribuições a desenvolvedores inativos. Adicionalmente, uma parcela significativa das atribuições normalmente não considera a carga de trabalho dos desenvolvedores, podendo sobrecarregar alguns e tornar o processo de correção mais demorado. Este trabalho propõe uma abordagem para distribuição de relatórios de bug que combina a experiência e as atividades recentes dos desenvolvedores, bem como, sua carga de trabalho. Quando um novo relatório é recebido, estima-se o esforço para corrigir o bug a partir de bugs semelhantes calcula- se a afinidade de cada desenvolvedor com o arquivo que contém o erro utilizando um sistema de Inferência Fuzzy. Posteriormente,é utilizado a meta-heurística Golden Ball para atribuir esses relatórios aos desenvolvedores de acordo com a afinidade e carga de trabalho. Resultados experimentais mostram que,quando comparados com um algoritmo de força bruta, a abordagem proposta atinge valores ideais para a locação na maioria dos casos (75% dos cenários analisados). A abordagem, também, obteve médias significativamente melhores em 92,30% das instâncias quando comparado a um Algoritmo Genético e 84,61% quando comparado com um Algoritmo Genético Distribuído, sendo que em apenas 23,07% dos casos não houve uma diferença significativa entre as técnicas. ABSTRACT: Existing approaches assign bug reports using only data from previously fixed reports. This can result in assignments to inactive developers, as well as not considering newcomers. A significant portion of assignments typically do not consider the workload of developers, which can overwhelm some and make the revision/debugging/correction process more time-consuming. This work proposes an approach for distributing bug reports that combines the experience and recent activities of developers,as well as their workload. When a new report is received, the effort to fix the bug based on similar error is estimated and each developer’s affinity with the file containing the bug is calculated using a Fuzzy Inference system. Subsequently, the Golden Ball,a multi-population evolutionary meta-heuristic, is used to assign these reports to developers according to affinity and workload.Experimental results show that, when compared with a brute force algorithm, the proposed approach reach optimal values for allocation in most cases (75% of the analyzed scenarios). The approach also obtained significantly better averages in 92.30% of the instances when compared to a Genetic Algorithm and 84.61% when compared to a Distributed Genetic Algorithm, and in only 23.07% of the instances there was no significant difference between the techniques.pt_BR
dc.identifier.urihttp://hdl.handle.net/123456789/3084
dc.language.isootherpt_BR
dc.subjectSistemas operacionaispt_BR
dc.subjectRelatório de erros - Bugspt_BR
dc.subjectCiência da computaçãopt_BR
dc.subjectSistema Fuzzypt_BR
dc.subjectMetodo Evolutivo Multipopulacionalpt_BR
dc.subjectTriagem de bugspt_BR
dc.subjectRelatóriode bugpt_BR
dc.subjectStack tracept_BR
dc.subjectDesenvolvedor de software - Carga de Trabalhopt_BR
dc.subjectGolden Ballpt_BR
dc.subjectBug triagept_BR
dc.subjectBug reportpt_BR
dc.subjectStack tracept_BR
dc.subjectDeveloper workloadpt_BR
dc.subjectBug file affinitypt_BR
dc.subjectFuzzy systempt_BR
dc.subjectMulti-population - Evolutionary methodpt_BR
dc.subjectGolden ballpt_BR
dc.titleDISTRIBUIÇÃO DE RELATÓRIOS DE BUGS PARA DESENVOLVEDORES DE SOFTWARE USANDO UM MÉTODO EVOLUTIVO MULTIPOPULACIONALpt_BR
dc.typePreprintpt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Dissertacao Final - Kannya.pdf
Tamanho:
2,41 MB
Formato:
Adobe Portable Document Format
Descrição:
Dissertação completa

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: