[논문 리뷰] A Genetic Algorithm based Approach for Test Data Generation in Basis Path Testing

Yeresime Suresh, Santanu Kumar Rath|arXiv (Cornell University)|2014. 01. 21.

Software Testing and Debugging Techniques참고 문헌 14인용 수 28

한 줄 요약

이 논문은 복잡한 조건 논리가 포함된 소프트웨어 모듈의 기초 경로 테스팅을 위한 자동화된 테스트 데이터 생성을 위해 유전 알고리즘(GA) 기반 접근법을 제안한다. GA의 전역 최적화 능력을 활용해 복잡한 조건 논리를 효율적으로 탐색한다. 적합도 기반의 진화를 통해 모든 기초 경로를 충족하는 최적의 테스트 케이스를 생성함으로써 수동 작업을 줄이고 중복된 테스트 데이터를 제거한다. ATM 출금 사용 사례를 통해 검증된 결과, 유효한 테스트 입력으로의 수렴이 성공적으로 이루어졌다.

ABSTRACT

Software Testing is a process to identify the quality and reliability of software, which can be achieved through the help of proper test data. However, doing this manually is a difficult task due to the presence of number of predicate nodes in the module. So, this leads towards a problem of NP-complete. Therefore some intelligence-based search algorithms have to be used to generate test data. In this paper, we use a soft computing based approach, genetic algorithm to generate test data based on the set of basis paths. This paper combines the characteristics of genetic algorithm with test data, making use of the merits of respective global and local optimization capability to improve the generation capacity of test data. This automated process of generating test data optimally helps in reducing the test effort and time of a tester. Finally, the proposed approach is applied for ATM withdrawal task. Experimental results show that genetic algorithm was able to generate suitable test data based on a fitness value and avoid redundant data by optimization.

연구 동기 및 목표

• 복잡한 조건 논리를 가진 소프트웨어 모듈에 대해 최적의 테스트 데이터를 생성하는 데 있어 NP-완전 문제에 대응하기 위해.
• 소프트 컴퓨팅 기법을 활용해 테스트 데이터 생성을 자동화함으로써 수동 테스팅 작업과 시간을 줄이기 위해.
• 제어 흐름도에서 유도된 모든 기초 경로를 충족하는 테스트 데이터를 생성함으로써 테스트 커버리지와 효율성을 향상시키기 위해.
• 유전 알고리즘 프레임워크 내에서 적합도 기반 선택과 진화 최적화를 통해 중복된 테스트 케이스를 최소화하기 위해.

제안 방법

• 소스 코드로부터 제어 흐름도(CFG)를 구성하여 모든 기초 경로를 식별한다.
• 각 기초 경로는 유전 알고리즘 내에서 염색체로 표현되며, 테스트 데이터는 유전자 시퀀스로 인코딩된다.
• 적합도 함수는 테스트 케이스가 경로의 조건 논리 조건을 얼마나 잘 충족하는지 평가하여 진화적 선택을 이끈다.
• 교차 및 변이 연산자를 적용하여 새로운 테스트 데이터 후보를 생성하고, 세대를 거치며 적합도를 향상시킨다.
• 적합도 임계값에 도달할 때까지 알고리즘이 테스트 데이터를 진화시켜, 경로에 대한 유효한 테스트 케이스를 생성한다.
• 모든 기초 경로에 대해 이 과정을 반복하여 완전하고 최적화된 테스트 세트를 생성한다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 소프트웨어 모듈의 모든 기초 경로를 충족하는 테스트 데이터를 효과적으로 생성할 수 있는가?
• RQ2 적합도 함수가 생성된 테스트 케이스의 수렴성과 품질에 어떤 영향을 미치는가?
• RQ3 기존 수동 또는 완전 탐색 방법에 비해 GA 접근법이 중복된 테스트 데이터를 얼마나 줄일 수 있는가?
• RQ4 기존의 테스트 데이터 생성 기법과 비교할 때, 제안된 방법은 효율성과 커버리지 측면에서 어떻게 다른가?

주요 결과

• ATM 출금 사용 사례에서 유전 알고리즘이 모든 기초 경로에 대해 유효한 테스트 데이터를 성공적으로 생성하여 실현 가능성을 입증했다.
• 적합도 기반 평가가 유효한 테스트 케이스로의 탐색을 효과적으로 이끌어내어 중복된 데이터 생성을 최소화했다.
• 테스트 설계의 수동 작업을 자동화 과정을 통해 크게 줄였다.
• 합리적인 세대 수 내에 최적 또는 근사 최적의 테스트 케이스로 수렴함으로써 확장성을 입증했다.