동적 해 선택 확률을 활용한 꽃가루 수분 알고리즘 기반 t방 테스트 스위트 생성

초록

본 논문은 기존 꽃가루 수분 알고리즘(FPA)의 정적 선택 확률을 동적 해 선택 확률로 교체한 개선형 imFPA를 제안한다. 동적 확률 메커니즘은 탐색 다양성과 수렴 강도를 동시에 향상시켜, t‑방 테스트 스위트 생성이라는 조합 최적화 문제에서 기존 메타휴리스틱 대비 경쟁력 있는 결과를 얻었다. 실험은 다양한 t값과 프로그램 규모에 대해 수행되었으며, imFPA는 최소 테스트 케이스 수와 실행 시간 면에서 우수함을 보였다.

상세 분석

꽃가루 수분 알고리즘은 자연의 꽃가루 전달 현상을 모방한 메타휴리스틱으로, 전역 탐색을 담당하는 레버리시(레버리시)와 지역 탐색을 담당하는 레버리시(레버리시) 두 단계로 구성된다. 기존 FPA에서는 전역 탐색 단계에서 고정된 전이 확률(p) 값을 사용해 해 집합을 선택했으며, 이는 탐색 과정에서 다양성 유지가 어려워 지역 최적에 빠질 위험이 있었다. 본 연구는 이러한 한계를 극복하기 위해 동적 해 선택 확률(dynamic solution acceptance probability, DSAP)을 도입하였다. DSAP는 현재 해의 적합도와 전체 인구 평균 적합도의 비율을 기반으로 실시간으로 계산되며, 적합도가 높은 해일수록 선택 확률이 증가하고, 낮은 해는 감소한다. 이 메커니즘은 탐색 초기에 높은 다양성을 보장하면서도, 최적에 근접할수록 수렴 속도를 가속화한다.

t‑방 테스트 스위트 생성은 입력 파라미터 집합의 모든 t‑조합을 최소한 한 번씩 포함하도록 테스트 케이스를 설계하는 문제로, 조합 폭이 급격히 증가하는 NP‑hard 문제이다. 논문은 이 문제를 이진 인코딩 방식으로 표현하고, 각 해를 테스트 케이스 집합으로 매핑하였다. 적합도 함수는 커버되지 않은 t‑조합 수의 역수와 테스트 케이스 수의 가중합으로 정의되어, 최소화 목표와 동시에 커버리지 최대화를 달성하도록 설계되었다.

실험에서는 10가지 공개된 벤치마크 프로그램(예: BCA, CAG, PICO 등)을 대상으로 t=2,3,4에 대해 비교하였다. 비교 알고리즘으로는 전통적 유전 알고리즘(GA), 입자 군집 최적화(PSO), 개미 군집 최적화(ACO), 시뮬레이티드 어닐링(SA) 및 원본 FPA가 사용되었다. 결과는 평균 테스트 케이스 수, 표준 편차, 실행 시간으로 보고되었으며, imFPA는 대부분의 경우 최소 테스트 케이스 수에서 3~7% 개선을 보였고, 실행 시간 역시 경쟁 알고리즘과 동등하거나 약간 우수하였다. 통계적 유의성 검증을 위해 Wilcoxon signed‑rank test을 적용했으며, p값이 0.05 이하인 경우에만 유의미한 차이로 판단하였다.

또한, 수렴 곡선을 분석한 결과 imFPA는 초기 20% 이터레이션에서 급격히 최적 근처로 이동한 뒤, 후반부에 미세 조정을 수행하는 특징을 보였다. 이는 동적 확률 메커니즘이 탐색 초기에 높은 탐색 폭을 제공하고, 후반부에 선택 압력을 강화함으로써 발생한 현상으로 해석된다. 이러한 특성은 t‑방 테스트 스위트와 같이 해 공간이 거대하고 제약 조건이 복잡한 문제에 특히 유리하게 작용한다.

한계점으로는 DSAP 계산에 추가적인 연산 비용이 발생한다는 점과, 파라미터(예: 초기 전이 확률, 감소율) 설정이 문제 규모에 따라 민감하게 작용할 수 있다는 점을 들 수 있다. 향후 연구에서는 자동 파라미터 튜닝 기법과 다목적 최적화(예: 테스트 케이스 실행 비용 최소화)와의 연계 방안을 모색할 예정이다.