17、逆向工程特征模型适应度函数的扩展

逆向工程特征模型适应度函数的扩展

在逆向工程特征模型的过程中，适应度函数的计算是一个关键环节。传统的适应度函数通常旨在匹配产品线内的有效产品集合，但这种方法存在性能瓶颈。本文将介绍一种新的适应度函数 SATff，并通过实证研究评估其有效性和效率。

传统适应度函数的问题

传统的逆向工程适应度函数需要枚举每个更改模型中的所有产品，以计算匹配、遗漏和额外产品的数量。然而，随着特征数量的增加，产品数量呈指数级增长，这使得计算变得非常耗时。许多实际的产品线具有超过 30 个特征，这限制了当前逆向工程技术的有效性。

例如，在一个具有 27 个特征的模型中，可能有多达 2^27 或 134,217,728 个产品需要枚举。尽管模型中的约束可以在一定程度上减少这个空间，但遗传算法仍然需要能够处理如此大量的产品。

新适应度函数 SATff 的提出

为了解决传统适应度函数的问题，本文提出了一种新的适应度函数 SATff。SATff 通过计算每个模型中约束集与原始约束集之间的重言蕴含关系，来模拟有效性并估计两个模型之间的距离。

具体来说，SATff 的计算分为两个步骤：
1. 计算精度（precision） ：精度表示新特征模型中正确产品的比例。通过计算输入约束集中被演化特征模型重言蕴含的约束数量，来估计正确产品的数量。
2. 计算召回率（recall） ：召回率表示演化特征模型覆盖输入产品的比例。通过计算演化特征模型中被输入约束集重言蕴含的约束数量，来估计覆盖的产品数量。

最后，SATff 使用 Fβ=4 度量来平衡精度和召回率，其中