Ressourcen.

Hier finden sie zusätzliches Material rund um ReTest, wie White Papers, Broschüren, etc.

  • ReTest White Paper Front

    Wenn Software geändert oder erweitert wird, dann dürfen dabei keine unerwünschten Seiteneffekte (Regressionen) eingeführt werden – bereits bestehende Funktionalität darf nicht beeinträchtigt werden. Um dies sicherzustellen muss auch der ungeänderte Teil der Software immer wieder getestet werden (genannt Regressionstesten). ReTest kann dies vollautomatisch.

  • Käfer (eng. bugs) bei der sexuellen Reproduktion

    Das es beim Menschen zwei Geschlechter gibt, und diese sich durch Kopulation vermehren, ist so natürlich und wird uns von der Natur in allen Spezies der Tier und Pfalzenwelt vorgelebt, sodass wir gar nicht auf die Idee kommen zu fragen "warum?". Warum gibt es eigentlich zwei Geschlechter? Man stelle sich einmal eine Welt vor, in der es nur ein Geschlecht von Menschen gäbe, und man könnte sich selbst einfach so vermehren (z.B. schwanger werden). Wieviel einfacher wäre die Welt! Man müsste keinen Partner mehr suchen, weder für das Leben noch den Lebensabschnitt. Gleichberechtigung der Geschlechter wäre kein Thema mehr. Es gäbe keine Pornoindustrie, Prostitution oder Sextourismus. Wenn also sexuelle Reproduktion einen solches mehr an Aufwand und Risiko bedeutet, und die Natur aber nichts umsonst tut, ... warum gibt es dann sexuelle Reproduktion? Was ist der offensichtlich immense Vorteil, der dadurch entsteht?

  • Flyer Ansicht

    Für den Karlsruher Entwicklertag und die anstehenden Messen haben wir einen Flyer entwickelt, der die Vorteile von ReTest nochmals aus Managersicht zusammenfasst. Dieser Flyer geht jedoch wenig auf die zugrundeliegende Funktionsweise von ReTest ein, hierzu verweisen wir auf unser White Paper.

  • Die Türme von Hanoi. Quelle: http://commons.wikimedia.org/wiki/File:Tower_of_Hanoi.gif

    Im vorherigen Artikel wurden genetische Algorithmen (GA) eingeführt und strukturiert erläutert bzw. in einen größeren Kontext von suchbasierten Algorithmen eingeordnet. Wem das etwas zu theoretisch war, bekommt hier eine Herleitung mit ganz konkreten Code-Beispielen zum selber ausprobieren.

  • Beispiel einer Landschaft eines Zustandraumes

    Evolutionäre oder Genetische Algorithmen funktionieren beeindruckend gut in der Praxis. Wenn man sich verschiedene meta-heuristische Suchalgorithmen im Vergleich anschaut, wird schnell deutlich, dass natürliche Evolution als Suchalgorithmus die jeweils besten Aspekte verschiedener Ansätze vereint und diesen damit deutlich überlegen ist. Die hier dargestellten Grundlagen basieren im wesentlichen auf dem Buch von Russell and Norvig—"Artificial Intelligence: A Modern Approach". Die Authoren haben auf großartige Weise die verschiedenen Algorithmen klassifiziert, strukturiert und in eine logische Ordnung gebracht.

  • Affe an einem Laptop, Quelle: http://commons.wikimedia.org/wiki/File:Typing_monkey.svg

    Monkey-Testing (eng. Monkey bedeutet Affe) ist auch bekannt als Zufallstesten (eng. random testing) oder stochastisches Testen (eng. stochastic testing). Dabei erzeugt ein Programm (der Affe/Monkey) eine Reihe von zufälligen Eingaben. Was der Monkey dabei tut ist bekannt als Negativtest, Provokationstest, Robustheitstest oder Stresstest.