Максим Гейко
Максим Гейко has a total of 11 co-authors. Here are the top co-authors by number of shared publications:
- Іван Шульга
Національний технічний університет України ""Київський політехнічний інститут імені Ігоря Сікорського"
1 shared publication - Альберт Катунін
Харківський національний університет Повітряних Сил імені Івана Кожедуба
1 shared publication - Владислав Жуйков
Харківський національний університет Повітряних Сил ім. І. Кожедуба
1 shared publication - Володимир Комаров
Полтавський військовий інститут зв'язку
1 shared publication - Вікторія Ярославська1 shared publication
- Костянтин Садовий
Харківський національний університет Повітряних Сил ім. І. Кожедуба
1 shared publication
Latest Publications
- Open Access
- 1 May 2026
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 67,p. 720-739
ОПТИМІЗАЦІЯ ТА МІНІМІЗАЦІЯ ТЕСТОВИХ СЦЕНАРІЇВ ДЛЯ C++ БІБЛІОТЕК НА ОСНОВІ УДОСКОНАЛЕНИХ ЖАДІБНОГО ТА ДЕЛЬТА-ДЕБАГГІНГ АЛГОРИТМІВ
В статті представлено удосконалений жадібний алгоритм, у якому вибір дій тестового сценарію здійснюється з урахуванням їх майбутньої користі, яка визначена за очікуваним приростом гілкового покриття коду. За таким підходом усувається детермінованість класичного жадібного алгоритму, підвищується інформативність тестового сценарію та забезпечується збалансованість між збереженням гілкового покриття та стисненням тестового сценарію. Також, удосконалений алгоритм дельта-дебаггінг, який виконує групове видалення неунікальних дій тестового сценарію за внеском у гілкове покриття, що дозволяє суттєво знизити довжину тестового сценарію без втрати характеристик ефективності тестування. Розкрито сутність удосконалення обраних алгоритмів. Проведено оцінку ефективності удосконалених алгоритмів. Наведено графічний матеріал.
- 1 May 2026
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 67,p. 720-739
Open AccessОПТИМІЗАЦІЯ ТА МІНІМІЗАЦІЯ ТЕСТОВИХ СЦЕНАРІЇВ ДЛЯ C++ БІБЛІОТЕК НА ОСНОВІ УДОСКОНАЛЕНИХ ЖАДІБНОГО ТА ДЕЛЬТА-ДЕБАГГІНГ АЛГОРИТМІВ
В статті представлено удосконалений жадібний алгоритм, у якому вибір дій тестового сценарію здійснюється з урахуванням їх майбутньої користі, яка визначена за очікуваним приростом гілкового покриття коду. За таким підходом усувається детермінованість класичного жадібного алгоритму, підвищується інформативність тестового сценарію та забезпечується збалансованість між збереженням гілкового покриття та стисненням тестового сценарію. Також, удосконалений алгоритм дельта-дебаггінг, який виконує групове видалення неунікальних дій тестового сценарію за внеском у гілкове покриття, що дозволяє суттєво знизити довжину тестового сценарію без втрати характеристик ефективності тестування. Розкрито сутність удосконалення обраних алгоритмів. Проведено оцінку ефективності удосконалених алгоритмів. Наведено графічний матеріал.