دانشگاه پدافند هوایی خاتم الانبیاء(ص) مجله دفاع هوافضایی 2821-1553 4 2 2025 08 23 Optimization of Combinatorial Test Scenarios for Air Defense Systems Using Covering Arrays بهینه‌سازی سناریوهای آزمون ترکیبی سامانه‌های پدافند هوایی با استفاده از آرایه‌های پوششی 107 129 223 FA سجاد اسفندیاری گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه ملایر، ملایر، ایران 0000-0002-3971-7215 عین الله پیرا دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان، تبریز، ایران لیلا یوسفوند گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران Journal Article 2025 08 24 The performance of air defense and cyber defense systems is highly dependent on the interactions among multiple operational parameters. However, exhaustive evaluation of all possible parameter configurations is computationally infeasible due to the exponential growth in the number of combinations. To address this challenge, this paper proposes a covering array-based testing approach that leverages an Improved Ant Colony Optimization (ACO) algorithm to generate an efficient set of test scenarios. By incorporating enhanced path selection mechanisms and adaptive pheromone updating strategies, the proposed algorithm achieves faster convergence and higher coverage quality compared to the classical ACO. The method was validated on a simulated multi-parameter air defense system, where the results indicate a reduction of more than 90% in the required test cases while ensuring complete coverage of all critical t-way interactions. Furthermore, the proposed approach is adaptable to the testing of command-and-control systems, electronic warfare platforms, and cyber defense networks. 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. https://jasd.khadu.ir/article_223_115f89503138416a242f40fb7d7f338e.pdf