DISTRIBUIÇÃO DE RELATÓRIOS DE BUGS PARA DESENVOLVEDORES DE SOFTWARE USANDO UM MÉTODO EVOLUTIVO MULTIPOPULACIONAL
| dc.contributor.author | ARAUJO, Kannya Leal | |
| dc.date.accessioned | 2022-12-12T19:15:17Z | |
| dc.date.available | 2022-12-12T19:15:17Z | |
| dc.date.issued | 2022-12-12 | |
| dc.description | Orientador: 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 Avelino | pt_BR |
| dc.description.abstract | RESUMO: 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.uri | http://hdl.handle.net/123456789/3084 | |
| dc.language.iso | other | pt_BR |
| dc.subject | Sistemas operacionais | pt_BR |
| dc.subject | Relatório de erros - Bugs | pt_BR |
| dc.subject | Ciência da computação | pt_BR |
| dc.subject | Sistema Fuzzy | pt_BR |
| dc.subject | Metodo Evolutivo Multipopulacional | pt_BR |
| dc.subject | Triagem de bugs | pt_BR |
| dc.subject | Relatóriode bug | pt_BR |
| dc.subject | Stack trace | pt_BR |
| dc.subject | Desenvolvedor de software - Carga de Trabalho | pt_BR |
| dc.subject | Golden Ball | pt_BR |
| dc.subject | Bug triage | pt_BR |
| dc.subject | Bug report | pt_BR |
| dc.subject | Stack trace | pt_BR |
| dc.subject | Developer workload | pt_BR |
| dc.subject | Bug file affinity | pt_BR |
| dc.subject | Fuzzy system | pt_BR |
| dc.subject | Multi-population - Evolutionary method | pt_BR |
| dc.subject | Golden ball | pt_BR |
| dc.title | DISTRIBUIÇÃO DE RELATÓRIOS DE BUGS PARA DESENVOLVEDORES DE SOFTWARE USANDO UM MÉTODO EVOLUTIVO MULTIPOPULACIONAL | pt_BR |
| dc.type | Preprint | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Dissertacao Final - Kannya.pdf
- Tamanho:
- 2,41 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- Dissertação completa
Pacote de licença
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 1,71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição:
