A programação concorrente está cada vez mais presente nas aplicações modernas. Embora esse modelo de programação forneça maior desempenho e melhor aproveitamento dos recursos disponíveis, os mecanismos de interação entre processos/threads resultam em maior desafio para atividade de teste. O não determinismo presente nessas aplicações é um dos principais desafios na atividade de teste, uma vez que ainda com uma mesma entrada de teste o programa concorrente pode executar caminhos distintos, os quais podem ou não apresentar defeitos. A geração automática de dados de teste pode contribuir para essa atividade garantindo maior rapidez e confiabilidade no teste de software. Neste trabalho, a geração automática de dados de teste é explorada para o domínio de programas concorrentes por meio de uma técnica bioinspiradas de otimização, o Algoritmo Genético. Este estudo propõe uma abordagem de geração de dados para programas concorrentes denominada BioConcST. Além disso, propõe-se um novo operador de seleção de indivíduos de teste utilizando lógica fuzzy, denominado FuzzyST. Essas contribuições são avaliadas em um estudo experimental utilizado para validar as abordagens propostas. Os resultados obtidos do experimento demonstraram que a BioConcST é mais promissora que as demais abordagens utilizadas em todos os níveis analisados. Além disso, o operador FuzzyST também obteve os melhores resultados juntamente com os operadores Elitismo e Torneio. Contudo, o operador FuzzyST mostrou-se mais indicado para programas concorrentes de maior complexidade.

Concurrent programming is increasingly present in modern applications. Although this programming model provides greater performance and better use of available resources, the mechanisms of interaction between processes/threads result in a greater challenge for software testing activity. The non-determinism present in these applications is one of the main challenges in the test activity since even with the same test input, the concurrent program can execute different paths, which may or may not present defects. The automatic generation of test data can contribute to this activity, ensuring greater speed and reliability in software testing. In this work, the automatic test data generation is explored for the domain of concurrent programs through a bioinspired optimization technique, the Genetic Algorithm. We propose a test data generation approach for concurrent programs called BioConcST. Also, we propose a new operator for selecting test subjects using fuzzy logic, called FuzzyST. We evaluated these approaches in an experimental study to validate. The results obtained from the experiment showed that BioConcST is more promising than the other approaches used at all levels analyzed. The operator FuzzyST also obtained the best results, together with the Elitism and Tournament operators. Nevertheless, the FuzzyST operator proved to be more suitable for concurrent programs of greater complexity.