Academic literature on the topic 'Genetic software engineering'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Genetic software engineering.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Genetic software engineering"
Jain, Rachna, and Arun Sharma. "ASSESSING SOFTWARE RELIABILITY USING GENETIC ALGORITHMS." Journal of Engineering Research [TJER] 16, no. 1 (May 9, 2019): 11. http://dx.doi.org/10.24200/tjer.vol16iss1pp11-17.
Full textJóźwiak, Lech, and Adam Postuła. "Genetic engineering versus natural evolution." Journal of Systems Architecture 48, no. 1-3 (September 2002): 99–112. http://dx.doi.org/10.1016/s1383-7621(02)00094-2.
Full textStriuk, Andrii. "Formation of software design skills among software engineering students." Educational Dimension 58 (June 15, 2022): 1–21. http://dx.doi.org/10.31812/educdim.4519.
Full textBarman, Shohag, Hira Lal Gope, M. M. Manjurul Islam, Md Mehedi Hasan, and Umme Salma. "Clustering Techniques for Software Engineering." Indonesian Journal of Electrical Engineering and Computer Science 4, no. 2 (November 1, 2016): 465. http://dx.doi.org/10.11591/ijeecs.v4.i2.pp465-472.
Full textLeite, J. P. B., and B. H. V. Topping. "Improved genetic operators for structural engineering optimization." Advances in Engineering Software 29, no. 7-9 (August 1998): 529–62. http://dx.doi.org/10.1016/s0965-9978(98)00021-0.
Full textHe, Renjie, and Lining Xing. "Multi-Objective Genetic Algorithm to the Optimization of Software Engineering Resources." Advanced Science Letters 7, no. 1 (March 30, 2012): 639–42. http://dx.doi.org/10.1166/asl.2012.2690.
Full textPandey, Abhishek, and Soumya Banerjee. "Test Suite Optimization Using Firefly and Genetic Algorithm." International Journal of Software Science and Computational Intelligence 11, no. 1 (January 2019): 31–46. http://dx.doi.org/10.4018/ijssci.2019010103.
Full textAZAR, DANIELLE. "A GENETIC ALGORITHM FOR IMPROVING ACCURACY OF SOFTWARE QUALITY PREDICTIVE MODELS: A SEARCH-BASED SOFTWARE ENGINEERING APPROACH." International Journal of Computational Intelligence and Applications 09, no. 02 (June 2010): 125–36. http://dx.doi.org/10.1142/s1469026810002811.
Full textSundar, D. "Effective Concurrent Engineering with the Usage of Genetic Algorithms for Software Development." International Journal of Software Engineering & Applications 3, no. 5 (September 30, 2012): 81–89. http://dx.doi.org/10.5121/ijsea.2012.3507.
Full textLin, Jin Cherng, and Chu Ting Chang. "Genetic Algorithm and Support Vector Regression for Software Effort Estimation." Advanced Materials Research 282-283 (July 2011): 748–52. http://dx.doi.org/10.4028/www.scientific.net/amr.282-283.748.
Full textDissertations / Theses on the topic "Genetic software engineering"
Hulse, Paul. "A study of topical applications of genetic programming and genetic algorithms in physical and engineering systems." Thesis, University of Salford, 1999. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.391313.
Full textNettelblad, Carl. "Using Markov models and a stochastic Lipschitz condition for genetic analyses." Licentiate thesis, Uppsala universitet, Avdelningen för teknisk databehandling, 2010. http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-120295.
Full texteSSENCE
Haq, Zia Ul. "Application of genetic algorithms for irrigation water scheduling." Thesis, University of Southampton, 2009. https://eprints.soton.ac.uk/72987/.
Full textJayawardena, Mahen. "Parallel algorithms and implementations for genetic analysis of quantitative traits." Licentiate thesis, Uppsala universitet, Avdelningen för teknisk databehandling, 2007. http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-85815.
Full textVázquez, Vilar Marta. "DESIGN OF GENETIC ELEMENTS AND SOFTWARE TOOLS FOR PLANT SYNTHETIC BIOLOGY." Doctoral thesis, Universitat Politècnica de València, 2016. http://hdl.handle.net/10251/68483.
Full text[ES] La Biología Sintética es un campo emergente de carácter interdisciplinar que se fundamenta en la aplicación de los principios ingenieriles de modularidad, abstracción y estandarización a la ingeniería genética. Una nueva vertiente de la Biología Sintética aplicada a las plantas, la Biología Sintética Vegetal (BSV), ofrece nuevas posibilidades de mejora de cultivos que podrían llevar a una mejora de la resistencia, a una mayor productividad, o a un aumento de la calidad nutricional. Sin embargo, para alcanzar este fin las herramientas moleculares disponibles en estos momentos para BSV deben ser adaptadas para convertirse en modulares, estándares y más precisas. Por ello se planteó como objetivo general de esta Tesis adaptar, expandir y refinar las herramientas de ensamblaje de DNA de la BSV para permitir la incorporación de especificaciones funcionales en la descripción de elementos genéticos estándar (fitobricks) y facilitar la construcción de estructuras multigénicas cada vez más complejas y precisas, incluyendo herramientas de editado genético. El punto de partida de esta Tesis fue el método de ensamblaje modular de ADN GoldenBraid (GB) basado en enzimas de restricción tipo IIS. Para optimizar el proceso de ensamblaje y catalogar la colección de fitobricks generados se desarrollaron una base de datos y un conjunto de herramientas software, tal y como se describe en el Capítulo 1. El paquete final de software se presentó en formato web como GB2.0, haciéndolo accesible al público a través de www.gbcloning.upv.es. El Capítulo 1 también proporciona una descripción detallada del funcionamiento de GB2.0 ejemplificando su uso con el ensamblaje de una construcción multigénica para la producción de antocianinas. Con el aumento en número y complejidad de las construcciones GB, el siguiente paso necesario fue el refinamiento de los estándar con la incorporación de la información experimental asociada a cada elemento genético (se describe en el Capítulo 2). Para este fin, el paquete de software de GB se reformuló en una nueva versión (GB3.0), un sistema de ensamblaje auto-contenido y completamente trazable en el que los datos experimentales que describen la funcionalidad de cada elemento genético se muestran en forma de una hoja de datos estándar. La utilidad de las especificaciones técnicas para anticipar el comportamiento de dispositivos biológicos compuestos se ejemplificó con la combinación de un interruptor químico y un prototipo de un módulo de sobreproducción de antocianinas equivalente al descrito en el Capítulo 1, resultando en un dispositivo de producción de antocianinas con respuesta a dexametasona. Además, en el Capítulo 3 se describe la adaptación a la tecnología GB de las herramientas de ingeniería genética CRISPR/Cas9, así como su caracterización funcional. La funcionalidad de estas herramientas para editado génico y activación y represión transcripcional se validó con el sistema de expresión transitoria en N.benthamiana. Finalmente, el Capítulo 4 presenta una implementación práctica del uso de la tecnología GB para hacer mejora vegetal de manera precisa. La transformación estable en tomate de una construcción intragénica que comprendía un marcador de selección intragénico y un regulador de la biosíntesis de flavonoides resultó en frutos con un mayor contenido de flavonoles. En conjunto, esta Tesis muestra la implementación de diseños genéticos cada vez más complejos y precisos en plantas utilizando elementos estándar y herramientas modulares siguiendo los principios de la Biología Sintética.
[CAT] La Biologia Sintètica és un camp emergent de caràcter interdisciplinar que es fonamenta amb l'aplicació a la enginyeria genètica dels principis de modularitat, abstracció i estandarització. Una nova vessant de la Biologia Sintètica aplicada a les plantes, la Biologia Sintètica Vegetal (BSV), ofereix noves possibilitats de millora de cultius que podrien portar a una millora de la resistència, a una major productivitat, o a un augment de la qualitat nutricional. Tanmateix, per poder arribar a este fi les eines moleculars disponibles en estos moments per a la BSV han d'adaptar-se per convertir-se en modulars, estàndards i més precises. Per això es plantejà com objectiu general d'aquesta Tesi adaptar, expandir i refinar les eines d'ensamblatge d'ADN de la BSV per permetre la incorporació d'especificacions funcionals en la descripció d'elements genètics estàndards (fitobricks) i facilitar la construcció d'estructures multigèniques cada vegada més complexes i precises, incloent eines d'edidat genètic. El punt de partida d'aquesta Tesi fou el mètode d'ensamblatge d'ADN modular GoldenBraid (GB) basat en enzims de restricció tipo IIS. Per optimitzar el proces d'ensamblatge i catalogar la col.lecció de fitobricks generats es desenvolupà una base de dades i un conjunt d'eines software, tal i com es descriu al Capítol 1. El paquet final de software es presentà en format web com GB2.0, fent-se accessible al públic mitjançant la pàgina web www.gbcloning.upv.es. El Capítol 1 també proporciona una descripció detallada del funcionament de GB2.0, exemplificant el seu ús amb l'ensamblatge d'una construcció multigènica per a la producció d'antocians. Amb l'augment en nombre i complexitat de les construccions GB, el següent pas fou el refinament dels estàndards amb la incorporació de la informació experimental associada a cada element genètic (es descriu en el Capítol 2). Per a aquest fi, el paquet de software de GB es reformulà amb una nova versió anomenada GB3.0. Aquesta versió consisteix en un sistema d'ensamblatge auto-contingut i complemtament traçable on les dades experimentals que descriuen la funcionalitat de cada element genètic es mostren en forma de fulla de dades estàndard. La utilitat de les especificacions tècniques per anticipar el comportament de dispositius biològics compostos s'exemplificà amb la combinació de un interruptor químic i un prototip d'un mòdul de sobreproducció d'antocians equivalent al descrit al Capítol 1. Aquesta combinació va tindre com a resultat un dispositiu de producció d'antocians que respón a dexametasona. A més a més, al Capítol 3 es descriu l'adaptació a la tecnologia GB de les eines d'enginyeria genètica CRISPR/Cas9, així com la seua caracterització funcional. La funcionalitat d'aquestes eines per a l'editat gènic i activació i repressió transcripcional es validà amb el sistema d'expressió transitòria en N. benthamiana. Finalment, al Capítol 4 es presenta una implementació pràctica de l'ús de la tecnologia GB per fer millora vegetal de mode precís. La transformació estable en tomaca d'una construcció intragènica que comprén un marcador de selecció intragènic i un regulador de la biosíntesi de flavonoïdes resultà en plantes de tomaca amb un major contingut de flavonols en llur fruits. En conjunt, esta Tesi mostra la implementació de dissenys genètics cada vegada més complexos i precisos en plantes utilitzant elements estàndards i eines modulars seguint els principis de la Biologia Sintètica.
Vázquez Vilar, M. (2016). DESIGN OF GENETIC ELEMENTS AND SOFTWARE TOOLS FOR PLANT SYNTHETIC BIOLOGY [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68483
TESIS
Premiado
Bueno, Paulo Marcos Siqueira. "Geração de dados de teste orientada à diversidade com o uso de meta-heurísticas." [s.n.], 2012. http://repositorio.unicamp.br/jspui/handle/REPOSIP/260996.
Full textTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Made available in DSpace on 2018-08-21T11:18:41Z (GMT). No. of bitstreams: 1 Bueno_PauloMarcosSiqueira_D.pdf: 3369612 bytes, checksum: e346274c745a489e77b074c57b0c1c78 (MD5) Previous issue date: 2012
Resumo: Técnicas e critérios de teste de software estabelecem elementos requeridos a serem exercitados no teste. A geração de dados de teste visa selecionar dados de teste, do domínio multidimensional de entrada do software, para satisfazer um critério. Uma linha de trabalhos para a geração de dados de teste utiliza meta-heurísticas para buscar, no espaço de possíveis entradas do software, aquelas que satisfaçam um determinado critério, área referida como Teste de Software Baseado em Buscas. Esta tese propõe uma nova técnica, a Geração de Dados de Teste Orientada à Diversidade (Diversity Oriented Test Data Generation - DOTG). Esta técnica incorpora a intuição, encontrada em bons projetistas de teste, de que a variedade, ou diversidade, dos dados de teste tem um papel relevante para a completeza, ou qualidade, do teste realizado. São propostas diferentes perspectivas para a diversidade do teste; cada perspectiva leva em consideração um tipo de informação distinto para avaliar a diversidade. É definido também um meta-modelo para guiar o desenvolvimento das perspectivas da DOTG. É desenvolvida a perspectiva do domínio de entrada do software para a diversidade (DOTG-ID), que considera a posição dos dados de teste neste domínio para calcular a diversidade do conjunto de teste. São propostas uma medida de distância entre dados de teste e uma medida de diversidade de conjuntos de teste. São desenvolvidas três meta-heurísticas para a geração automática de dados de alta diversidade: a SA-DOTG, baseada em Recozimento Simulado; a GA-DOTG, baseada em Algoritmos Genéticos; e a SR-DOTG, baseada na dinâmica de sistemas de partículas eletricamente carregadas. A avaliação empírica da DOTG-ID inclui: uma simulação Monte Carlo, realizada com o objetivo de estudar a influência de fatores na eficácia da técnica; e um experimento com programas, realizado para avaliar o efeito da diversidade dos conjuntos de teste na cobertura alcançada, medida com respeito a critérios de teste baseados em análise de fluxos de dados e no critério baseado em defeitos Análise de Mutantes. Os resultados das avaliações, significativos estatisticamente, indicam que na maioria das situações os conjuntos de alta diversidade atingem eficácia e valores de cobertura maiores do que os alcançados pelos conjuntos gerados aleatoriamente, de mesmo tamanho
Abstract: Software testing techniques and criteria establish required elements to be exercised during testing. Test data generation aims at selecting test data from the multidimensional software's input domain to satisfy a given criterion. A set of works on test data generation apply metaheuristics to search in the space of possible inputs for the software for those inputs that satisfy a given criterion. This field is named Search Based Software Testing. This thesis proposes a new technique, the Diversity Oriented Test Data Generation - DOTG. This technique embodies the intuition, which can be found in good testers, that the variety, or diversity, of test data used to test a software has some relation with the completeness, or quality, of the testing performed. We propose different perspectives for the test diversity concept; each one takes into account a different kind of information to evaluate the diversity. A metamodel is also defined to guide de development of the DOTG perspectives. We developed the Input Domain perspective for diversity (DOTG-ID), which considers the positions of the test data in the software input domain to compute a diversity value for the test sets. We propose a measure of distance between test data and a measure of diversity of test sets. For the automatic generation of high diversity test sets three metaheuristics were developed: the SA-DOTG based on Simulated Annealing; the GADOTG based on Genetic Algorithms, and the SR-DOTG, based on the dynamics of particle systems electrically charged. The empirical evaluation of DOTG-ID includes: a Monte Carlo simulation performed to study the influence of factors on the technique's effectiveness, and an experiment with programs, carried out to evaluate the effect of the test sets diversity on the attained coverage values, measured with respect to data-flow coverage and to mutation coverage. The evaluation results statistically significant, pointing out that in most of cases the test sets with high diversity reach effectiveness and coverage values higher than the ones reached by randomly generated test sets of the same size
Doutorado
Engenharia de Computação
Doutor em Engenharia Elétrica
Krüger, Franz David, and Mohamad Nabeel. "Hyperparameter Tuning Using Genetic Algorithms : A study of genetic algorithms impact and performance for optimization of ML algorithms." Thesis, Mittuniversitetet, Institutionen för informationssystem och –teknologi, 2021. http://urn.kb.se/resolve?urn=urn:nbn:se:miun:diva-42404.
Full textAs machine learning (ML) is being more and more frequent in the business world, information gathering through Data mining (DM) is on the rise, and DM-practitioners are generally using several thumb rules to avoid having to spend a decent amount of time to tune the hyperparameters (parameters that control the learning process) of an ML algorithm to gain a high accuracy score. The proposal in this report is to conduct an approach that systematically optimizes the ML algorithms using genetic algorithms (GA) and to evaluate if and how the model should be constructed to find global solutions for a specific data set. By implementing a GA approach on two ML-algorithms, K-nearest neighbors, and Random Forest, on two numerical data sets, Iris data set and Wisconsin breast cancer data set, the model is evaluated by its accuracy scores as well as the computational time which then is compared towards a search method, specifically exhaustive search. The results have shown that it is assumed that GA works well in finding great accuracy scores in a reasonable amount of time. There are some limitations as the parameter’s significance towards an ML algorithm may vary.
Pečínka, Zdeněk. "Gramatická evoluce v optimalizaci software." Master's thesis, Vysoké učení technické v Brně. Fakulta informačních technologií, 2017. http://www.nusl.cz/ntk/nusl-363820.
Full textHaraldsson, Saemundur Oskar. "Genetic improvement of software : from program landscapes to the automatic improvement of a live system." Thesis, University of Stirling, 2017. http://hdl.handle.net/1893/26007.
Full textHacoupian, Yourik. "Mining Aspects through Cluster Analysis Using Support Vector Machines and Genetic Algorithms." NSUWorks, 2013. http://nsuworks.nova.edu/gscis_etd/170.
Full textBooks on the topic "Genetic software engineering"
Ryan, Conor. Automatic re-engineering of software using genetic programming. Boston: Kluwer Academic, 2000.
Find full textRyan, Conor. Automatic Re-engineering of Software Using Genetic Programming. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-4631-3.
Full textRyan, Conor. Automatic Re-engineering of Software Using Genetic Programming. Boston, MA: Springer US, 2000.
Find full textJanusz, Kacprzyk, Kureichik Vladimir V, Malioukov Alexander S, Malioukov Sergey P, and SpringerLink (Online service), eds. Genetic Algorithms for Applied CAD Problems. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009.
Find full textGen, Mitsuo. Network models and optimization: Multiobjective genetic algorithm approach. London: Springer, 2008.
Find full textBiopunk: Kitchen-counter scientists hack the software of life. New York: Current, 2011.
Find full textThe simple genetic algorithm: Foundations and theory. Cambridge, Mass: MIT Press, 1999.
Find full textFranklin, Tom. Electronic commerce: How soon? how? how much? Norwalk, CT: Business Communications Co., 1997.
Find full textFranklin, Tom. Electronic commerce: How soon? how? how much? Norwalk, CT: Business Communications Co., 2000.
Find full textGenetic algorithms + data structures = evolution programs. 3rd ed. Berlin: Springer-Verlag, 1996.
Find full textBook chapters on the topic "Genetic software engineering"
Ryan, Conor. "Software Re-Engineering." In Automatic Re-engineering of Software Using Genetic Programming, 17–30. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-4631-3_3.
Full textLangdon, William B., David R. White, Mark Harman, Yue Jia, and Justyna Petke. "API-Constrained Genetic Improvement." In Search Based Software Engineering, 224–30. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-47106-8_16.
Full textPetke, Justyna, William B. Langdon, and Mark Harman. "Applying Genetic Improvement to MiniSAT." In Search Based Software Engineering, 257–62. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-39742-4_21.
Full textLinsbauer, Lukas, Roberto Erick Lopez-Herrejon, and Alexander Egyed. "Feature Model Synthesis with Genetic Programming." In Search-Based Software Engineering, 153–67. Cham: Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-09940-8_11.
Full textGhannem, Adnane, Ghizlane El Boussaidi, and Marouane Kessentini. "Model Refactoring Using Interactive Genetic Algorithm." In Search Based Software Engineering, 96–110. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-39742-4_9.
Full textHrubá, Vendula, Bohuslav Křena, Zdeněk Letko, Shmuel Ur, and Tomáš Vojnar. "Testing of Concurrent Programs Using Genetic Algorithms." In Search Based Software Engineering, 152–67. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-33119-0_12.
Full textLangdon, William B. "Genetic Improvement of Software for Multiple Objectives." In Search-Based Software Engineering, 12–28. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-22183-0_2.
Full textYuan, Fang, Yi Bian, Zheng Li, and Ruilian Zhao. "Epistatic Genetic Algorithm for Test Case Prioritization." In Search-Based Software Engineering, 109–24. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-22183-0_8.
Full textAburas, Ali, and Alex Groce. "A Method Dependence Relations Guided Genetic Algorithm." In Search Based Software Engineering, 267–73. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-47106-8_22.
Full textRyan, Conor. "Genetic Programming." In Automatic Re-engineering of Software Using Genetic Programming, 5–15. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-4631-3_2.
Full textConference papers on the topic "Genetic software engineering"
Ouni, Ali. "Search based software engineering." In GECCO '20: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2020. http://dx.doi.org/10.1145/3377929.3389887.
Full textOuni, Ali, and Mohamed Wiem Mkaouer. "Search based software engineering." In GECCO '21: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2021. http://dx.doi.org/10.1145/3449726.3461425.
Full text"Session details: Search-based software engineering." In GECCO05: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2005. http://dx.doi.org/10.1145/3249412.
Full text"Session details: Search-based software engineering." In GECCO05: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2005. http://dx.doi.org/10.1145/3249413.
Full textMkaouer, Mohamed Wiem, Marouane Kessentini, Slim Bechikh, Kalyanmoy Deb, and Mel Ó Cinnéide. "High dimensional search-based software engineering." In GECCO '14: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2014. http://dx.doi.org/10.1145/2576768.2598366.
Full text"Session details: Search-based software engineering: posters." In GECCO06: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2006. http://dx.doi.org/10.1145/3249665.
Full text"Session details: Search-based software engineering: papers." In GECCO06: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2006. http://dx.doi.org/10.1145/3249664.
Full textDi Penta, Massimiliano. "Session details: Track 14: search based software engineering." In GECCO09: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2009. http://dx.doi.org/10.1145/3257493.
Full textDi Penta, Massimiliano. "Session details: Track 14: search based software engineering." In GECCO09: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2009. http://dx.doi.org/10.1145/3257508.
Full textSipper, Moshe, and Simon Poulding. "Session details: Search-based software engineering track posters." In GECCO '11: Genetic and Evolutionary Computation Conference. New York, NY, USA: ACM, 2011. http://dx.doi.org/10.1145/3249175.
Full text