In this section

    Detecting Game Bugs Using Genetic Algorithms And Reachability Analysis Of Colored Petri Nets Models

    Detecting Game Bugs Using Genetic Algorithms And Reachability Analysis Of Colored Petri Nets Models. Masters thesis, King Fahd University of Petroleum and Minerals.

    This is the latest version of this item.

    [img] PDF
    MastersThesis_Aghyad_FinalVersion(V2).pdf - Accepted Version
    Restricted to Repository staff only until 26 April 2022.
    Download (7MB)

    Arabic Abstract

    تشتهر الألعاب بتعقيدها وتزامنها وعدم حتميتها ، مما يجعلها عرضة لتحدي الأخطاء الضمنية. تطوير ألعاب الفيديو مكلف وعملية التحقق مجهدة. إن اختبار السلوكيات غير الحتمية والمتزامنة للألعاب ليس أمرًا بالغ الأهمية فحسب ، بل يمثل تحديًا أيضًا، خاصةً عندما تكون مساحة حالة اللعبة ضخمة. وفقًا لذلك ، فإن مناهج اختبار البرامج المعتادة ليست مناسبة ولا فعالة للعثور على مثل هذه الأخطاء. هناك حاجة إلى مناهج مؤتمتة جديدة لدعم اختبار الألعاب وضمان الجودة. جذبت هذه المشكلة انتباه الباحثين مؤخرًا، حيث حاولت الأساليب الموجودة في الأبحاث معالجة مشكلتين فرعيتين: النمذجة (والتمثيل) وكشف الأخطاء. من المعروف أن شبكات بتري الملونة تدعم النمذجة والتحقق من الأنظمة المتزامنة وغير الحتمية. إضافة لاستخدام الباحثين لأساليب وخوارزميات البحث للتحقق من توافر الحالات الخاطئة من خلال استكشاف مساحات الحالات وتطبيق قيود محددة مسبقًا على خوارزميات البحث. ومع ذلك ، فإن هذه الأساليب تميل إلى الافتقار إلى القدرة على التكيف لاختبار ألعاب مختلفة بسبب القيود الموضوعة على الخوارزميات، وكذلك الصعوبات في عمليات البحث خلال مساحات الحالات الضخمة بسبب البحث الشمولي وغير الموجه. توافر الأساليب التي توجه وتدل عملية البحث عن مثل هذه الأخطاء أمر ضروري. وبالتالي ، في هذه الأطروحة نقوم بمعالجة هذه المشكلة حيث نقدم حلاً محتملاً للاختبار المؤتمت للبرامج باستخدام العمل التعاوني لعميلين قائمين على الخوارزميات الجينية، حيث يتم تطبيق نهجنا على نماذج شبكات بتري الملونة التي تمثل سير عمل البرنامج. أظهرت نتائج تجاربنا إمكانات النهج المقترح في إيجاد الأخطاء تلقائيًا بشكل فعال.

    English Abstract

    Video games systems are known for their complexity, concurrency and non-determinism, which makes them prone to challenging tacit bugs. Video games development is costly and the corresponding verification process is tiresome. Testing the non-deterministic and concurrent behaviors of video games systems is not only crucial but also challenging, especially when the game state space is huge. Accordingly, typical software testing approaches are neither suitable nor effective to find related bugs. Novel automated approaches to support video game testing and quality assurance are needed. This problem has caught researchers’ attention recently. Approaches found in the literature have tried to address two sub problems: modeling (and representation) and uncovering bugs. Colored Petri nets is known to support modeling and verifying concurrent and nondeterministic systems. Search approaches have been used in the literature to check the availability of faulty states through exploring state spaces and by applying predefined search constraints. However, these approaches tend to lack adaptability to test different video games systems due to the limitations of the defined fitness functions, in addition to difficulties in searching huge state spaces because of the exhaustive and unguided search. The availability of approaches that guide and direct the searching process of such bugs is mandatory. Thus, in this thesis work we address this problem as we present a potential solution for automated software testing using collaborative work of two genetic algorithms (i.e., co-evolutionary) agents, where our approach is applied to colored Petri nets models that represent the software workflow. The results of our experiments have shown the potential of the proposed approach in effectively finding bugs automatically.

    Item Type: Thesis (Masters)
    Subjects: Computer
    Department: College of Computing and Mathematics > Information and Computer Science
    Committee Advisor: Ahmed, Moataz
    Committee Members: Hassine, Jameleddine and Aljamaan, Hamoud
    Depositing User: AGHYAD ALBAGHAJATI (g201703510)
    Date Deposited: 29 Apr 2021 10:29
    Last Modified: 29 Apr 2021 10:29
    URI: http://eprints.kfupm.edu.sa/id/eprint/141862

    Available Versions of this Item