چکیده
یکی از مراحل مهم آزمون نرمافزار شئگرا، آزمون مستقل اشیا است.آزمون مستقل اشیا با دو مشکل روبهرو است: اولاً شئ مورد فراخوانی ممکن استروشهایی از اشیا دیگر را فراخوانی کندودر نتیجهبررسیمستقلآن ممکن نباشد. ثانیاً روشهای فراخوانی شده ممکن است زمانبر باشند و باعث شوندآزمون شئ مورد نظر طولانی شود. یک راهحل برای رفع دو مشکل فوق، استفاده از اشیا جاعل است. اشیا جاعل روش-های مورد فراخوانی را شبیهسازی کند. اشیا جاعلی که تاکنون معرفی شدهاند مبتنی بر جدول هستند و خود از مشکلات زمانبر بودن و مهمتر از آن عدم توانایی در شبیهسازی دقیق روشها رنج میبرند.از سوی دیگر دادگان آزمون کم میباشد وتولید خودکار موارد آزمون با حداکثر میزان پوشش مسیرهای اجراییدر برنامههای مورد آزمون مورد توجه بوده است. این مقاله شامل دو بخش پیشنهادی است، در بخش اول مقاله با استفاده از شبکههای عصبی عملکرد توابع خطی درون برنامهها شبیهسازی میشود. همچنین با بهکارگیری الگوریتم ژنتیک، بهترین زیر مجموعه از ورودیها برای آموزش شبکه عصبی را از بین مجموعه بزرگی از ورودیها که به صورت تصادفی ایجاد شدهاند، در بخش دومتعیین میشود. در این تحقیق یک شئ جاعل مبتنی بر شبکه عصبی پیشنهاد میگردد که هر دو مشکل اشیا جاعل مبتنی بر جدول را رفع کند. آزمایشها روی توابع ریاضی، منطقیوگسستهنشان میدهد کهروشپیشنهادی در هردو بخش، عملکرد مناسبی داشتهاند.