[論文レビュー] Rethinking Basis Path Testing: Mixed Integer Programming Approach for Test Path Set Generation

Chao Wei, Xinyi Peng+3 more|arXiv (Cornell University)|Jan 9, 2026

Software Testing and Debugging Techniques被引用数 0

ひとこと要約

この論文は基底パス生成を混合整数計画法（MIP）最適化問題として再定義し、HolisticおよびIncremental MIP戦略を導入して、CFGの完全・最小・独立な基底パス集合を生成する。実データと合成データの両方で強力な経験的結果を報告。

ABSTRACT

Basis path testing is a cornerstone of structural testing, yet traditional automated methods, relying on greedy graph-traversal algorithms (e.g., DFS/BFS), often generate sub-optimal paths. This structural inferiority is not a trivial issue; it directly impedes downstream testing activities by complicating automated test data generation and increasing the cognitive load for human engineers. This paper reframes basis path generation from a procedural search task into a declarative optimization problem. We introduce a Mixed Integer Programming (MIP) framework designed to produce a complete basis path set that is globally optimal in its structural simplicity. Our framework includes two complementary strategies: a Holistic MIP model that guarantees a theoretically optimal path set, and a scalable Incremental MIP strategy for large, complex topologies. The incremental approach features a multi-objective function that prioritizes path simplicity and incorporates a novelty penalty to maximize the successful generation of linearly independent paths. Empirical evaluations on both real-code and large-scale synthetic Control Flow Graphs demonstrate that our Incremental MIP strategy achieves a 100\% success rate in generating complete basis sets, while remaining computationally efficient. Our work provides a foundational method for generating a high-quality structural "scaffold" that can enhance the efficiency and effectiveness of subsequent test generation efforts.

研究の動機と目的

• GreedyなDFS/BFS法を超える高品質な基底パス集合の必要性を動機づける。
• 基底パス生成を宣言型最適化問題として定式化する。
• グローバルに最適で単純な基底集合を保証するHolistic MIPモデルを開発する。
• 独立性とスケーラビリティを確保するNoveltyペナルティを持つスケーラブルなIncremental MIP戦略を提案する。
• 実デコードと大規模な合成CFGに対する実証評価を通じて頑健性とスケーラビリティを示す。

提案手法

• CFGの基底パス生成を、エッジ使用、ノード訪問、パス連結性を捕捉する変数を持つMIPとして定式化する。
• 制約を通じてパスの有効性、連結性、基底特性（完全性と線形独立性）を強制し、ネットワークフローに基づくサブツアー除去を含める。
• 総パス長を最小化して単純性を促進し、Incremental MIPの定式化で新規エッジの再利用を促すNoveltyペナルティを含める。
• 全てのk本のパスを同時に解くHolistic MIPモデルとサブツアー除去制約を提供する。
• 基底パス集合をパスごとに構築するIncremental MIP戦略を開発し、長さと新規性（新エッジ）をバランスするデュアル目的を用いる。
• covered-edge集合を更新し、新規パスが少なくとも1つの未使用エッジを含むことを保証する独立性制約を適用する反復アルゴリズムを記述する。

実験結果

リサーチクエスチョン

• RQ1 基底パス生成を手続き的探索ではなく、グローバル最適化問題として効果的に定式化できるか。
• RQ2 Holistic MIPモデルはグローバルに最適な完全基底パス集合を保証できるか。
• RQ3 Noveltyペナルティを伴うIncremental MIP戦略はlarge CFG上で完全な基底集合を信頼性高く生成し、スケーラビリティを保てるか。
• RQ4 実データと合成データにおける従来のBFSベースのベースラインと比較して、成功率、パスの網羅性、実行時間はどうなるか。
• RQ5 この文脈でのグローバル最適性と計算可能性のトレードオフはどうなるか。

主な発見

• Novelty駆動のIncremental MIPは、多様なトポロジーに対して完全基底集合を生成する際に100%の成功率を達成。
• 従来のBFSは完全基底集合生成には信頼性が低く、特に巡回次数が増大するにつれて不確実となる。
• Holistic MIPはグローバル最適性を保証するが大規模グラフではタイムアウトの可能性がある。Incremental MIPはスケールに優れ、タイムアウトを回避。
• Incr. MIP2（Novelty-driven）は堅牢かつ効率的で、最も複雑なインスタンスを十数秒で解く。
• Noveltyペナルティは未カバーのエッジを後のパスへ温存し、Greedy Trapを緩和して完全な基底集合を可能にする。