面向持续集成测试优化的强化学习奖励机制研究

面向持续集成测试优化的强化学习奖励机制研究

报告摘要：

 持续集成环境下的测试存在测试用例集变化大、测试时间有限和快速反馈等需求，传统测试优化方法难以适用。强化学习是机器学习的一个重要分支，其本质是解决序贯决策问题，可以用于持续集成测试优化。奖励函数在强化学习中计算智能体选取某个动作后的即时奖励，是智能体与环境交互的直接反馈，对后续动作的选择具有重要作用。本研究面向持续集成测试优化，系统研究了强化学习中奖励函数的计算、奖励策略、奖励范围等。

个人简介：

李征，北京化工大学信息科学与技术学院教授、博导。2009年在英国King’s College London获博士学位，曾获获教育部《新世纪优秀人才支持计划》资助。重点研究智能化软件工程，是中国基于搜索的软件工程研讨会（CSBSE）发起人。研究领域同时包括大规模程序源代码的分析与测试，主持多项国家省部级项目，单篇论文最高被引超过500次。曾任第十七届IEEE 源代码分析与执行国际会议（SCAM）大会主席，担任ICSM、WCRE、GECCO、和RT等国际会议的程序委员会委员，同时担任了STVR和JSS等国际期刊的客座编辑。