مجله دفاع هوافضایی

چکیده در سامانه‌های پدافند هوایی و سایبری، عملکرد نهایی سیستم به تعامل میان چندین پارامتر عملیاتی وابسته است. با این حال، بررسی همه حالت‌های ممکن این پارامترها به‌دلیل رشد نمایی تعداد ترکیب‌ها، از نظر زمان و هزینه امکان‌پذیر نیست. در این پژوهش، رویکردی مبتنی بر آرایه‌های پوششی (Covering Arrays) پیشنهاد می‌شود که برای تولید مجموعه‌ای بهینه از سناریوهای آزمون از الگوریتم کلونی مورچگان تکامل‌یافته (Improved ACO) بهره می‌گیرد. الگوریتم پیشنهادی با استفاده از مکانیزم‌های تقویت انتخاب مسیر و راهبردهای تطبیقی برای به‌روزرسانی فرمون‌ها، توانسته است در مقایسه با نسخه کلاسیک ACO سرعت همگرایی و کیفیت پوشش را بهبود دهد. این روش بر روی یک سامانه پدافند هوایی چندپارامتری شبیه‌سازی شده و نتایج نشان می‌دهد که حجم تست‌ها بیش از ۹۰٪ کاهش یافته، در حالی که تمامی تعاملات t-تایی بحرانی پوشش داده شده‌اند. علاوه بر این، رویکرد ارائه‌شده قابلیت تعمیم به تست سامانه‌های فرماندهی و کنترل، جنگ الکترونیک و شبکه‌های پدافند سایبری را نیز داراست.

چکیده عملیات آزمون نرم‌افزار، به‌عنوان یکی از روش‌های اساسی برای ارزیابی کیفیت محصولات نرم‌افزاری، از مراحل مختلف توسعه و نگهداری نرم‌افزار بهره می‌برد. با افزایش پیچیدگی و گستردگی نرم‌افزارها، نیازمندی به روش‌های آزمون کارآمد و موثر با تعادل مناسب بین کاهش زمان و افزایش دقت احساس می‌شود. در این مطالعه، روش‌های خودکار آزمون نرم‌افزار با استفاده از الگوریتم‌های بهینه‌سازی مبتنی بر جغرافیای زیستی و ترکیب آن با الگوریتم خفاش مورد بررسی قرار گرفته و آرایه پوششی با کارایی بالا تولید شده است. این نوآوری‌ها، به علاوه استفاده از ساختارهای داده بهینه، نه تنها به مدیریت پیچیدگی نرم‌افزار کمک کرده‌اند، بلکه نیازمندی‌های موفقیت پروژه‌های نرم‌افزاری را نیز مدنظر قرار داده‌اند. این پژوهش به منظور ارتقای کیفیت محصولات نرم‌افزاری، توصیه می‌شود و به تولید آرایه‌های پوشش با بهره‌وری بالا و افزایش کارایی آزمون‌های نرم‌افزار می‌پردازد.