13、基于搜索的软件工程中进化算法替代方案的意外探索

基于搜索的软件工程中进化算法替代方案的意外探索

在软件工程领域，寻找问题的解决方案往往充满挑战，因为这通常意味着要在相互竞争的选择中找到平衡。当利益相关者提出多个目标时，基于搜索的软件工程（SBSE）方法能够考虑目标之间的相互作用，为复杂的优化问题提供新颖的解决方案。

1. 背景与问题提出

许多SBSE研究人员使用进化算法（EA）来解决各种软件工程问题。EA的基本步骤如下：
1. 通过在已知范围内随机选择生成初始种群（i = 0）。
2. 评估种群i中的所有个体。
3. 重复以下步骤：
- 交叉：通过组合精英个体创建种群i + 1。
- 变异：对种群i中的个体进行小的改变。
- 评估：评估种群i中的所有个体。
- 选择：从种群i中选择一些精英子集。

然而，EA存在速度慢的问题。这可能是由于步骤3的重复循环、步骤2中需要评估每个候选个体，或者步骤2c中处理每个种群的多项式时间成本（严格的选择步骤需要对所有个体对进行O(N²)次比较）。那么，对于基于搜索的软件工程，是否有比EA更快的替代方案呢？

2. SWAY算法介绍

本文实验评估了一种名为SWAY（Samplying WAY）的替代方案：
1. 与EA相同，生成初始种群（i = 0）。
2. 智能地选择种群0中得分最高的集群。

直到最近，我们还认为SWAY是一种探索多目标优化的无效方法，因为它的搜索范围非常有限。对采样技术的主要批评包括：
- SWAY在初始代之后就停止搜索。
- SWAY不使用变异或交叉，因此在执行过程中无法积累经验教训。
- 根据