祝贺我们最近的一个工作“Looking For Novelty in Search-based Software Product Line Testing”被IEEE Transactions on Software Engineering正式录用。该工作探讨了基于相似性的软件产品线（SPL）的自动化测试问题，首次采用搜索算法Novelty Search （NS）生成高质量的测试用例。本文的贡献：1. 从统计学角度，解释了基于相似性的SPL测试的基本原理（在本文工作之前，该原理未得到充分解释）—通过相关性分析，我们发现相似性指标和测试集的覆盖率是呈显著正相关的。此外，我们还从数学上证明，我们所采用的相似性指标是当前主流指标的一种有效推广；2. 从概念及实验两方面，详细地论证了NS是求解SPL测试问题的有效工具。本文是我们之前发表在ACM Transactions on Software Engineering and Methodology论文的姊妹篇。本文关注软件产品线的测试，而之前的工作则关注软件产品线的功能设计。
该论文是目前为止，我遇到的审稿最顺利的一篇论文。从投稿到录用不到6个月时间。副主编和三位审稿人都非常专业和高效！第二轮无需外审，副主编 Prof. Sven Apel决定直接录用（Sven Apel是做SPL的权威学者）。
下面是审稿的时间节点：
2020.8.14 首次投稿， 2020.9.23出一审意见（大修），持续时间1个月9天；
2020.12. 13 再投（一审意见总体很好，但是要处理的问题很多），2021.1.20出二审意见（小修），持续时间1个月7天；
2021.2.3 再投，2021.2.4出结果（录用）。本轮审稿未外审，副主编 Prof. Sven Apel 直接决定录用（Sven Apel是做SPL的权威学者）。
整个投稿周期不到6个月。副主编和三位审稿人都非常专业和高效！
从审稿人的意见看，三位审稿人均是欧美小同行，他们对本文的工作给予了较高评价，但是也提出了很多建设性意见。大到论文创新性的提升、论文结构的改善，小到Figure的调色方案要兼顾色盲人士等（我第一次收到这类审稿意见）。花了近2个半月的时间准备修改稿，审稿意见和回复信共有31页A4纸。
论文创新点：
1、从统计学角度出发，解释了基于相似性的软件产品线（SPL）测试的基本原理。基于相似性的SPL测试，一般通过优化相似性指标来提高测试用例之间的差异性，进而期望取得较高的t组合覆盖率。尽管基于相似性的SPL测试极具前景，但是学术界尚缺乏对该测试技术基本原理的合理解释。优化相似性指标为何可提升t-组合覆盖率？ 运用相关性分析，我们首次发现，相似性指标与t-组合覆盖率之间具有显著正相关性。上述发现从统计学角度很好地解释了基于相似性的SPL测试的基本原理：由于统计正相关性，优化相似性指标可间接地提高t-组合覆盖率。
2、首次采用Novelty Search (NS)作为搜索算法优化相似性指标，并从概念和实验上论证NS是基于相似性SPL测试的理想工具。NS是一种启发式搜索算法，不同于遗传算法等，NS中不存在目标函数。相反，它通过不断奖励“新颖”个体，生成一组多样化的解。这正好契合了基于相似性的SPL测试的目标。此外，NS采用的新颖得分（novelty score）是一种相似性指标。相关性分析实验发现，该相似性指标与t-组合覆盖率之间也是呈显著正相关的，且比当前主流相似性指标的相关性更强。从概念上，这说明NS非常适合基于相似性的SPL测试。为验证上述结论，运用工业界及学术界广泛采用的软件产品线进行仿真实验。结果表明，NS较其它主流算法的确具有更好的性能表现。
评论 0