25、基于搜索的代码模板泛化与优化

基于搜索的代码模板泛化与优化

1. 进化算法新世代创建

新世代的创建仅通过选择和变异过程完成。具体步骤如下：
- 选择集创建 ：在当前世代中进行 S 次锦标赛选择（S 由用户指定）来创建选择集。锦标赛选择是从当前世代中随机挑选 R 个组（R 由用户指定），然后返回这 R 个组中适应度最佳的模板组。
- 变异集创建 ：通过锦标赛选择选出 M 个模板组（M 由用户指定），然后对每个组应用变异算子。具体操作是先在模板组的某个模板中随机选择一个主题节点，接着从给定的算子中随机选择一个变异算子，再随机选择操作数的值。多数算子使用元变量作为操作数，操作数的值可以是模板组中已有的元变量，也可以是新生成的元变量。
- 新世代生成条件 ：变异后的模板组要成为下一代的一部分，需满足两个条件。一是其适应度值不能为零，因为适应度为零通常表示该变异体不会产生任何匹配，不太可能引导搜索过程朝正确方向进行；二是新一代不能包含之前世代中已出现过的变异体，这通过历史集进行检查。最后，将选择集和变异集连接起来形成新的一代，进化算法（EA）可以继续进入下一代，或者在找到解决方案时停止。

2. 适应度函数

我们使用单目标 EA，目标是优化单一的适应度值。适应度值是一个范围在 [0, 1] 之间的实数，值越高越好。适应度函数用于计算模板组的适应度，它以模板组 t 和一组期望匹配 m 作为输入，由 F1 分数和部分分数组成，每个部分都有用户指定的权重（W1 和 W2）。
- F1 分数 ：是适应度值的主要组成部分，范围在 [0,