當涉及到涉及覆蓋組和屬性的項目以及利用隨機化的測試時，確保實現(xiàn)所需的覆蓋目標可能具有挑戰(zhàn)性。

覆蓋范圍合并涉及合并從多個模擬運行生成的覆蓋范圍數(shù)據(jù)，以創(chuàng)建全面的覆蓋范圍報告。實現(xiàn)覆蓋收斂可能非常耗時，并且需要仔細管理仿真環(huán)境。此外，確定哪些覆蓋目標未達到并優(yōu)化測試平臺以實現(xiàn)收斂是一個復雜的過程。

Xcelium機器學習（ML）應用程序通過自動化模擬過程和控制測試的隨機化來應對這些挑戰(zhàn)。它使用機器學習算法從以前的回歸會話中學習，并自動優(yōu)化每次模擬運行的隨機化。這減少了實現(xiàn)覆蓋閉合所需的模擬運行次數(shù)，減少了模擬過程所需的時間和資源。

Xcelium ML的獨特功能之一是它能夠預測在未來的模擬中最有可能實現(xiàn)哪些覆蓋目標，從而幫助用戶優(yōu)化回歸環(huán)境并更有效地實現(xiàn)覆蓋閉合。它還允許用戶生成全面的覆蓋報告，其中包括每次模擬運行中實現(xiàn)的所有覆蓋目標，從而簡化了覆蓋合并的過程。

如果您有一個包含覆蓋組和屬性的項目，并且您多次運行回歸以合并它們以獲得所需的覆蓋范圍，Xcelium ML 可以幫助您簡化流程，這通常是應用程序效果最好的地方。在這種情況下，你要做的是在回歸的一個或兩個會話中訓練Xcelium ML。然后運行Xcelium ML“N”次以使覆蓋范圍飽和。

您通常應該期望 Xcelium ML 收斂速度比完全回歸快 2-3 倍。我們的建議是在覆蓋曲線的拐點處訓練 ML 回歸。所以，如果這種情況發(fā)生在一個回歸中，這就是你要訓練的，如果需要五個會話才能到達那里，那么這就是你會使用的。

總之，Xcelium ML是一個強大的工具，用于自動化模擬和控制覆蓋組和屬性項目的隨機化。

審核編輯：郭婷