담금질 기법을 이용한 테스트 데이터 자동 생성 방법을 효율적인 테스트 데이터 생성 방법 중 하나이다. 기존의 담금질 기법은 작은 변화를 통해 해를 탐색하여 지역 탐색에 우수한 성능을 보였다. 하지만 입력 테스트 데이터의 값 범위가 넓을 경우 기존의 방법은 작은 변화를 통한 탐색이라는 특징으로 인해 탐색 시간이 오래 걸리는 한계를 보였다. 이러한 한계를 극복하기 위해, 본 논문에서는 분기 거리 이웃 선택을 이용한 향상된 담금질 기법을 제안한다. 이 방법은 입력 테스트 데이터의 값 범위가 넓을 경우에도 우수한 탐색 성능을 얻을 수 있도록 테스트 데이터를 큰 쪽으로 변화시킨다. 제안한 방법의 효과성을 검증하기 위해 랜덤 알고리즘과 담금질 기법, 유전 담금질 기법 그리고 본 논문에서 제안한 기법을 이용해 실험을 수행하였다. 실험 결과 제안 기법의 최종 분기 커버리지가 랜덤 알고리즘, 담금질 기법, 유전 담금질 기법에 비해 각각 9.9%, 13.2%, 2.8% 더 높은 것을 확인하였다.
Simulated annealing(SA) is known as one of the most efficient methods for automatic test data generation. Especially, SA has performed well on small input domain size of system under test (SUT) because a short range from the current candidate solution is mainly searched. However, such a strategy to neighborhood selection can lead to poor performance when a SUT has a large input domain. To overcome the problem of the low performance for a large search domain, we propose an enhanced SA approach, named Simulated Annealing with Branch Distance Neighborhood (SA/BD). In order to rapidly reach the test target, branch distance between the current candidate solution and the test target is used to adaptively apply two kinds of neighborhood selection strategies: Macro Step and Micro Step. We have performed experiments where the SA/BD is compared with three approaches: conventional simulated annealing (SA), genetic simulated annealing (GSA) and random algorithm. The results of the experiments show that the SA/BD has better branch coverage than random generation by 9.9%, GSA by 2.8%, and conventional SA by 13.2%.
