In model-based testing (MBT), the quality of input models and their relevance with the testing target has a direct impact on the quality of the test suite and the effectiveness of the whole testing process. Choosing inappropriate models may increase the number of MBT steps and may not fulfill the testers' expectations. In this paper, we focus on different input models of MBT and represent a classification framework for them. The classification is performed by considering their nature and testing abilities. We discuss the strengths and weaknesses of test models regarding their potential for generating test cases, and summarize the existing works in the literature based on the proposed classification framework. The aim of this paper is to improve the understanding of model-based test case generation approaches and help the testers to choose appropriate models to exploit test cases with regard to their testing goals and purposes. Manuscript profile

Model-based testing (MBT) has attracted a lot of attention and has been extensively applied in different areas such as probabilistic systems, mobile systems, concurrent systems, real-time systems, software product lines, etc. However, MBT approaches have some limitations and challenges that are mostly related to the incompleteness, high level of abstraction, complexity, and also the informal nature of input models. In the literature, there are different studies addressing these problems. In this paper, we represent a framework for model-based test case generation approaches according to the aforementioned challenges. In this regard, firstly, we categorize different coverage criteria used in MBT, and then show that MBT approaches have three main steps: preprocessing, test scenario generation, and concrete test case generation. Finally, for each step, we represent its necessity and classify the proposed methods Manuscript profile

فرآیند تست 50% کل هزینه توسعه نرم افزار را شامل می شود. به منظور تست نرم افزار، باید مجموعه ای از داده‌های تست ایجاد شوند که تولید این مجموعه، کاری بسیار زمانبر بوده و تاثیر مستقیمی بر هزینه فرآیند تست خواهد داشت. بدون خودکارسازی، این فرآیند، کند، پرهزینه و همراه با خطا خواهد بود. در این مقاله روش جدیدی به منظور تولید داده های تست بر مبنای الگوریتمهای تصادفی با ترکیب روشهای ایستا و پویا ارائه شده است. روش پیشنهادی با بهره برداری از ماهیت ساده تست تصادفی و همچنین استفاده از اطلاعاتی که می‌توان از کد منبع برنامه بدست آورد به تولید داده های تست پرداخته و کارایی تست تصادفی را افزایش می دهد. نتایج بدست آمده حاکی از افزایش سرعت تولید و همچنین کیفیت مجموعه تست می باشد. Manuscript profile

در سیستم‌های توزیع شده به دلیل انجام فراخوانی پروسیجرهای راه دور، امکان ایجاد پراسس‌های یتیم وجود دارد. در واقع پراسس‌های یتیم، محاسبات راه دوری هستند که فراخواننده آنها به هر دلیل متوقف شده باشد. وجود محاسبات یتیم در سیستم به صورت کلی مطلوب نیست چراکه منجر به هدر رفت منابع می‌شوند و همچنین این امکان وجود دارد که وضعیتهای ناسازگاری را در داده اشتراکی ببینند. در این مقاله روشی جدید به منظور شناسایی و از بین بردن پراسس‌های یتیم ارائه شده است. این روش دارای مزایای قابل توجهی نسبت به روش‌های مطرح موجود در این حوزه می‌باشد. از مهم ترین مزایای این روش می‌توان به این موارد اشاره نمود: از بین بردن تمامی فرزندان و نوادگان راه دور پراسس یتیم ،تعداد اندک پیام ،عدم کاهش کارایی،توازن بار و افزایش قابلیت تحمل خطا. Manuscript profile