Abstract
回歸測試是一個昂貴的測試程序，他常用來確保經過修改後的軟體之品質。測試個案優先排序技術排定測試個案在回歸測試中被執行之優先順序，期望能增加測試的效力並達到所設定的效能目標。最常見的效能目標是偵測錯誤之速度，也就是在測試過程中，錯誤能多快地被找到。此效能目標假設所有測試個案之執行成本以及所找到的錯誤之嚴重程度都是一致的。然而，測試個案之執行成本以及所找到的錯誤之嚴重程度往往是不同的。為了產生更符合現實的測試個案執行順序，具成本認知的效能目標被提出。他在評估測試效力時，將測試個案之執行成本以及所找到的錯誤之嚴重程度納入考量。 在本篇論文中，我們提出了一個以測試歷史導向並具成本認知的測試個案優先排序技術。我們收集上一次回歸測試所留下來的測試歷史紀錄，接著運用基因演算法結合這些歷史紀錄找出在過去具有最高效能的測試個案執行順序。此外 ，我們利用受控實驗來評估所提出的方法之測試效果。我們將其與其他五個已存在的測試個案優先排序技術及兩個作為實驗控制的測試個案優先排序技術做比較。實驗結果指出，我們所提出來的方法經常能產生具有較高Average Percentage of Faults Detected per Cost (APFDc)值的測試個案優先排序。實驗結果也顯示，即使測試過程中所有測試個案之執行成本以及所找到的錯誤之嚴重程度都是一致的，所提出的方法依然能找出有效的測試個案優先排序。