Notícias

Banca de DEFESA: KANNYA LEAL ARAÚJO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: KANNYA LEAL ARAÚJO
DATA: 25/02/2022
HORA: 15:00
LOCAL: Plataforma Google Meet
TÍTULO: Distribuição de Relatórios de Bugs para Desenvolvedores de Software Baseada em Inteligência Artificial
PALAVRAS-CHAVES: Triagem de Bugs, Relatório de Bug, Stack Trace, Carga de Trabalho do Desenvolvedor, Afinidade com Arquivo de Erro, Sistema Fuzzy, método evolutivo multi populacional, Golden Ball
PÁGINAS: 40
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
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 e 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 os melhores resultados da abordagem proposta atingem valores ideais para alocação de 7, 8 e 10 relatórios e no pior caso (9 relatórios) chega a 99,94% do valor ideal, quando comparados com um algoritmo de força bruta. A abordagem, também,  obteve médias significativamente melhores em 92,30% das instâncias quando comparado ao 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.


MEMBROS DA BANCA:
Presidente - 2061294 - RICARDO DE ANDRADE LIRA RABELO
Interno - 1744590 - GUILHERME AMARAL AVELINO
Externo ao Programa - 3095957 - HERMES MANOEL GALVÃO CASTELO BRANCO
Externo à Instituição - FRANCISCA RAQUEL DE VASCONCELOS SILVEIRA - IFCE
Notícia cadastrada em: 14/01/2022 15:55
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 15/10/2024 07:01