امروزه گستردگی استفاده از نرم‌افزار‌هادر زندگی روزمره‌ی انسان‌ها و همچنین در حوزه‌هایی نظیر صنعت، کشاورزی و سلامت بهصورت پیوسته در حال افزایش است و این امر سبب شده تا اطمینان از درستی عملکرد و کیفیتنرم‌افزار‌های ارائه شده توسط توسعه‌دهندگان، به چالشی اساسی برای آن‌ها تبدیل شودکه اهمیت آن نیز روز به روز در حال افزایش است. از این رو آزمودن نرم‌افزار و اطمیناناز درستی عملکرد و کیفیت آن امری اجتناب‌ناپذیر برای توسعه‌دهندگان نرم‌افزارخواهد بود. با توجه به موارد گفته شده، یک مرحله‌ی بسیار مهم از میان مراحل شش‌گانه‌یچرخه‌ی حیات تولید نرم‌افزار، مرحله‌ی آزمون نرم‌افزار است. هدف از این مرحله، خطا‌یابیو عیب‌یابی محصول نرم‌افزاری، پیش از ارائه‌ی آن به بازار می‌باشد. این فرایند درسطوح مختلفی صورت می‌پذیرد که در بالا‌ترین سطح از این فرایند، نرم‌افزار تحتآزمون، از نظر کیفیت و کارایی مورد ارزیابی قرار می‌گیرد. در گذشته این سطح ازآزمون نرم‌افزار کمتر مورد توجه توسعه‌دهند‌گان قرار می‌گرفت، اما با گذشت زمان،دلایل بسیاری از جمله افزایش پیچیدگی نرم‌افزار‌ها، افزایش کاربران نرم‌افزار‌ها ودر نتیجه افزایش بار داده بر روی آن‌ها، سبب شد تا این سطح از آزمون، در فرایندآزمون نرم‌افزار، از اهمیت ویژه‌ای برخوردار شود، لذا محققان سعی دارند تا با بکار‌گیریروش‌های مختلف، به اجرای هر چه بهتر این سطح از آزمون نرم‌افزار و افزایش بازده آنکمک نمایند. هدف از این پژوهش، بررسی و مطالعه‌ پیرامون بالاترین سطح از آزمون نرم‌افزارو تلاش برای بهبود هر چه بیشتر نتایج حاصل از این فرایند می‌باشد. در این پژوهش سعیشده است تا با بکارگیری روش‌ها و الگوریتم‌های هوشمند اعم از شبکه‌های مولد تخاصمیشرطی (CGAN) و تکنیک یادگیری فعال وارائه‌ی راهکار‌هایی مفید، به صورت خودکار موارد آزمونی با دقت بالا برای فرایندآزمون کارایی نرم‌افزار تولید شوند. نتایج نهایی حاکی از بهبود در سرعت آموزش مدل CGAN و هزینه‌های ناشی از برچسب‌گذاریداده‌ها برای آموزش بهتر مدل، تا 70 درصد می‌باشد. همچنین نتایج نشان‌دهنده‌ی افزایشدقت نهایی در تولید موارد آزمون برای فرایند آزمون کارایی نرم‌افزار می‌باشد.

واژه­های کلیدی: 1- آزمون نرم‌افزار،2- آزمون کارایی نرم‌افزار، 3- هوش مصنوعی،

4- شبکه‌های مولد تخاصمی، 5- یادگیریفعال.