La correction des défauts logiciels est une activité fréquente dans le cycle de vie du logiciel. Cette activité vise à éliminer l'écart entre le comportement attendu d'un programme et ce qu'il fait réellement. Ces dernières années, plusieurs approches automatiques de réparation de logiciels ont vu le jour pour synthétiser automatiquement des corrections des défauts. Malheureusement, cela est une activité difficile et coûteuse. Nous visons à ajouter aux approches des stratégies pour optimiser la recherche des solutions. Nous réalisons des études empiriques sur les changements du logiciel au cours de son histoire, pour comprendre comment le logiciel est réparé par les développer. Nous présentons aussi une stratégie d'optimisation qui utilise cette information extraite. Pour valider les approches et les stratégies, nous nous concentrons sur l'évaluation des méthodes de réparation automatique. Nous visons à introduire des procédures qui définissent comment les recherches peuvent évaluer ses approches de réparation de manière significative. Pour exemple, la performance d'une approche de réparation dépend des jeux de données de défauts que les recherches utilisent dans l'évaluation de cette approche. Nous définissons d'abord une méthode pour définir des jeux de données de défauts qui réduisent au minimum la possibilité de résultats biaisés. Ensuite, nous présentons un jeu de données qui comprend un type particulier de défaut: les défauts en instructions conditionnelles. Finalement, nous cherchons à mesurer la réparabilité de ce type de défaut en évaluant trois approches de réparation automatique du logiciel
Directeur de Thèse: Laurence Duchien et Martin Monperrus Rapporteurs : Yves Ledru, Universite de Grenoble 1 - France Tom Mens, Universite de Mons - Belgique Membres : Philippe Preux, Universite Lille 3 - France Diego Garbervetsky, University of Buenos Aires - Argentina
Thesis of the team Spirals defended on 10/10/2014
français
English