유전 알고리즘을 활용한 테스트 케이스 생성 최적화

초록

본 논문은 유전 알고리즘(GA)을 적용하여 테스트 케이스 생성 과정을 자동화·최적화하는 방법을 제시한다. 기존 테스트 설계의 복잡성·우선순위 결정 문제를 GA의 진화 연산으로 해결하고, 실험을 통해 생성된 테스트 케이스가 높은 커버리지와 효율성을 보임을 입증한다.

상세 분석

본 연구는 소프트웨어 테스트에서 가장 핵심적인 문제인 “효과적인 테스트 케이스 집합의 도출”을 해결하기 위해 진화적 탐색 기법인 유전 알고리즘(GA)을 적용하였다. 먼저 테스트 케이스를 유전자의 형태로 인코딩하고, 적합도 함수는 코드 커버리지(문장, 분기, 조건)와 테스트 실행 비용을 복합적으로 고려하도록 설계하였다. 선택 연산은 룰렛 휠 방식으로 고적합도 개체를 우선적으로 선택하고, 교차 연산은 단일점 교차와 다중점 교차를 혼합하여 탐색 다양성을 확보한다. 돌연변이 연산은 입력값 변동과 제어 흐름 변형을 동시에 발생시켜 지역 최적에 빠지는 현상을 완화한다. 실험 환경은 오픈소스 프로젝트와 상용 소프트웨어 두 종류를 대상으로 하였으며, 기존 무작위 생성 및 전통적 제어 흐름 기반 기법과 비교하였다. 결과는 GA 기반 테스트 케이스가 평균 15 % 이상의 커버리지 향상을 보였으며, 테스트 실행 횟수는 20 % 이하로 감소하는 등 효율성 측면에서도 우수함을 확인했다. 또한, 적합도 함수에 비용 요소를 포함함으로써 테스트 비용을 직접 제어할 수 있는 메커니즘을 제공한다는 점이 주목할 만하다. 한계점으로는 초기 파라미터 설정(인구 규모, 변이 확률 등)이 결과에 큰 영향을 미치며, 복잡한 시스템에서는 적합도 평가 비용이 급증한다는 점을 들 수 있다. 향후 연구에서는 파라미터 자동 튜닝 기법과 멀티-목표 최적화(MOEA)를 도입해 비용·커버리지 간 트레이드오프를 보다 정교하게 다룰 필요가 있다.