26、基于搜索的代码模板泛化与优化及相关技术应用

基于搜索的代码模板泛化与优化及相关技术应用

在软件开发领域，代码模板的搜索、泛化和优化以及软件测试等方面都有着重要的研究价值。本文将介绍基于搜索的代码模板相关工作，以及OpenCV中GPGPU工作组大小的优化和TESTAR工具在Web应用自动化测试中的应用。

1. 基于搜索的代码模板工作概述

当前的工作主要集中在模板组执行程序搜索上，这是迈向支持程序转换的一块垫脚石。例如，一个修复某一特定错误实例的补丁或转换可以泛化为修复该错误所有实例的转换。不过，要找到一组理想的代码片段往往需要大量时间，但在未来的工作方向中，时间问题相对不那么关键。

2. OpenCV中GPGPU工作组大小的优化

2.1 背景与问题

随着CPU多核化发展，GPU的性能也在不断提升，并且通过可编程着色器实现了通用计算（GPGPU）。OpenCV作为广泛使用的计算机视觉库，提供了透明的GPGPU层，可使代码在CPU和GPU上运行。然而，影响其性能的一个关键因素是单个GPU计算单元中执行的工作项数量，即本地工作组大小。该参数的理想值取决于应用程序及其I/O需求，以及当前运行内核的特定硬件，目前没有确定的方法来设置，通常依赖开发者手动试错。

2.2 优化方法 - 摊销优化

摊销优化旨在在部署后，通过多次用户执行逐步对某些控制变量应用元启发式优化。对于OpenCV中GPGPU模块的本地工作组大小参数，采用摊销爬山算法进行优化。
- 搜索空间定义 ：最大工作组大小（MWG）由图形处理单元设备限制，定义了搜索空间。OpenCL允许2D图像操作的工作组大小定义为元组 (wgs1, wgs