ناقشت اطروحة دكتوراه في قسم هندسة الحاسوب في الجامعة التكنولوجية الموسومة:

بناء استراتيجية موازية للاختبار
الاندماجي

Construction of a
Parallel Strategy for Combinatorial Testing

الهدف من المشروع هو انشاء مجموعات الاختبار الأصغر مع تغطية تفاعلية أفضل وباسرع وقت ممكن مع الحفاظ على الدرجة اللازمة من المرونة في مجموعات الاختبار العملية..

وتناولت الاطروحة التي قدمتها الطالبة هبة محمد فاضل اقتراح طريقتين للاختبار التوافقي حيث يدمج النموذج الأول الخوارزميات الجشعة مع خوارزمية البحث التلوي باستخدام استراتيجية تُعرف باسم Hybrid Greedy Hill Climbing algorithm (HGHC). تفوق هذا النهج في الأداء على معظم الأساليب الاندماجية الأخرى من حيث تقليل عدد الاختبارات في نظام باستخدام t ≤ 10. اما النموذج الثاني تم تطبيقه من خلال الجمع بين ثلاثة أنواع مختلفة من خوارزميات البحث خوارزمية الحوت(WOA)، وخوارزمية البحث عن التناغم (HSA) وخوارزمية الذئب الرمادي (GWO). تُعرف خوارزمية التهجين الجديدة باسم Triple Whale-Graywolf-Harmony (TWGH).تم تطبيق الخوارزميتين الأخريين في المراحل اللاحقة اعتمادًا على ظروف التكرار والمتغيرات العشوائية جزء مهم من هذه التقنية هو الاستفادة من خاصيتي الاستكشاف والاستغلال لتقليل عدد مجموعات الاختبار في الاختبار الاندماجي.
للتغلب على هذه المشكلة الثانية. تم تقديم تنفيذ متوازي لوحدة المعالجة المركزية متعددة المعالجات، والذي ينتج عنه معامل تسريع إلى 6 مقارنة بنظيره المتسلسل. تقترح هذه الدراسة أيضًا تقنية متوازية هجينة لوحدة معالجة الرسومات (GPU) مع وحدة المعالجة المركزية (CPU) لتسريع الاختبار الاندماجي. تستخدم هذه التقنية كلاً من وحدة المعالجة المركزية ووحدة معالجة الرسومات لإنشاء حالات الاختبار. وتم تقديم نهج ديناميكي لتخصيص المهام استنادًا إلى الاختلاف في أداء الحوسبة بين وحدة المعالجة المركزية ووحدة معالجة الرسومات لضمان وجود عبأ متوازن على وحدة المعالجة المركزية ووحدة معالجة الرسومات. تم تحقيق تسريع إجمالي بنسبة 20 بالمائة مقارنة بنتائج الأبحاث الأخرى. أخيرًا، يتم تقديم نهج موزع بين العميل والخادم بنتائج عادلة في التسريع مقارنة بالنُهج الأخرى.
تم تطبيق الاختبار الاندماجي على واحد من العديد من التطبيقات التجميعية لاختيار الميزات لإجراءات التصنيف. تم تطبيق النهج المقترح على تسع مجموعات بيانات UCIومقارنته بسبعة خوارزميات FS حديثة. تظهر نتائج المقارنة أن TWGH يؤثر على اختيار أفضل مجموعة فرعية للميزات لتحقيق أقصى قدر من كفاءة التصنيف. وبالتالي، من المهم تقليل عدد الميزات عند تقييم البيانات كبيرة الأبعاد للأداء مع الزيادة من دقتها

وتألفت لجنة المناقشة من:
ا. د. محمود فرحان مصلح من الجامعة التقنية الوسطى كلية التقنية الهندسية الكهربائية رئيسا وا. د. ميساء عبد علي خضر من الجامعة التكنولوجية قسم هندسة الحاسوب عضوا وا. م. د. ايفان عبد الزهرة هاشم من الجامعة التكنولوجية قسم الهندسة الكهربائية عضوا وا. م. د. حسن اوحيد جياد من الجامعة التكنولوجية قسم هندسة الحاسوب عضوا وا. م. د. محمد عماد عبد الستار من جامعة النهرين كلية الهندسة قسم هندسة المعلومات عضوا وا. د. محمد عصام يونس من جامعة بغداد كلية الهندسة قسم هندسة الحاسبات عضوا ومشرفا وا. م. د. محمد نجم عبد الله من الجامعة التكنولوجية قسم هندسة الحاسوب عضوا استشاري.