테스트 커버리지 최적화 복잡도 분석

이 논문은 소프트웨어·하드웨어 테스트에서 널리 사용되는 커버리지 개념을 형식적으로 모델링하고, 그 최적화 문제의 계산 복잡도를 체계적으로 분석한다. 먼저, 시스템을 유한 상태 라벨 그래프 혹은 라벨 게임 그래프로 표현한다. 라벨 그래프는 모든 전이가 테스터에 의해 제어되는 결정론적 시스템을, 라벨 게임 그래프는 테스터와 시스템이 번갈아 선택하는 비결정론적 시스템을 나타낸다. 각 정점에는 원자 명제(AP)의 집합이 라벨링되며, 커버리지는 방문된 라벨들의 합집합 크기로 정의된다. **1. 최대 커버리지 문제 정의** - **그래프 버전**: 초기 정점에서 시작해 경로를 따라가며, 방문된 라벨 집합의 크기가 주어진 임계값 m 이상인지 판단한다. - **게임 버전**: 테스터(플레이어 1)가 전략을 선택하고, 시스템(플레이어 2)이 반응하는 상황에서, 모든 가능한 시스템 반응에 대해 최소 방문 라벨 수가 m 이상인지 판단한다. **2. 복잡도 결과** - **결정론적 그래프**: NP‑complete. 증명은 SAT‑reduction을 통해 NP‑hardness를 보이고, 경로 길이를 O(|V|·m)으로 제한해 검증이 다항 시간에 가능함을 보여 NP‑membership을 확보한다. - **비결정론적 게임 그래프**: PSPACE‑complete. QBF‑reduction을 이용해 PSPACE‑hardness를 증명하고, 게임 그래프의 상태 수에 대해 선형 공간으로 탐색 가능한 알고리즘을 제시해 PSPACE‑membership을 입증한다. - **리셋(reset) 액션이 있는 게임**: 시스템이 언제든 초기 상태로 돌아갈 수 있는 리셋 전이를 포함하면, 문제는 co‑NP‑complete가 된다. 저자는 무작위화된 테스트 전략을 설계해, 리셋을 활용하면 메모리 요구가 크게 감소하고, 최악의 시스템 반응을 고려하더라도 “모든 파티션을 방문하지 못한다”는 부정문을 NP‑검증 가능하게 만든다. - **시간 제한 커버리지**: k 단계 이내에 m개의 라벨을 방문할 수 있는지 묻는 변형은 그래프에서는 NP‑complete, 게임에서는 PSPACE‑complete이다. 이는 시간 제한이 전략의 복잡도를 크게 증가시킴을 의미한다. **3. 추가 결과** - **안전 게임과의 관계**: “m개 이하의 파티션만 방문하면서 안전 목표를 달성하는가?” 문제는 NP‑complete로, 커버리지와 안전성 사이의 트레이드오프를 이론적으로 설명한다. - **확장 모델**: 타임드 오토마타와 타임드 게임에 대한 논의를 통해, 연속 시간 흐름을 포함한 경우에도 최대 커버리지 문제는 각각 PSPACE‑complete와 EXPTIME‑complete가 됨을 제시한다. **4. 알고리즘적 함의** - 결정론적 경우에는 선형 시간(그래프 크기)·지수적(파티션 수) 알고리즘이 존재한다. - 비결정론적 경우에도 동일한 시간 복잡도를 갖는 알고리즘이 존재하지만, 메모리 요구가 파티션 수에 대해 지수적으로 증가한다. - 리셋이 가능한 경우, 무작위화 전략을 통해 메모리 요구를 다항 수준으로 낮출 수 있다. 이는 실제 테스트 자동화 도구에서 리셋 기능을 활용하면 효율적인 커버리지 달성이 가능함을 시사한다. **5. 결론 및 전망** 본 연구는 테스트 커버리지 최적화 문제를 게임 이론적 관점에서 정형화하고, 시스템의 결정성, 비결정성, 리셋 가능성, 시간 제한 등 다양한 실무 상황에 맞는 복잡도 경계를 제공한다. 이러한 이론적 결과는 테스트 케이스 생성, 자동화된 검증 도구 설계, 그리고 리셋 메커니즘을 활용한 효율적인 테스트 전략 개발에 직접적인 영향을 미칠 것으로 기대된다.