28、软件优化与测试：API 约束遗传改进及搜索式测试生成挑战

软件优化与测试：API 约束遗传改进及搜索式测试生成挑战

1. API 约束遗传改进成果

1.1 第一代最佳结果

在第一代中，除了五个突变体之外，其余的都成功编译。这五个突变体未能编译是由于新的交换突变在使用作用域规则时存在漏洞。有八个突变体在运行时数组边界检查中失败，四个因 5 秒的 CPU 时间限制而中止，这都是因为删除了 for 循环中的迭代增量部分。65 个突变体运行并正常终止，但至少有一个像素（在 7,990,272 个像素中）与原始代码计算的值不同。还有 18 个案例中，代码被修改但给出了完全相同的答案。其中最快的一个似乎是利用了在默认设置下运行的事实来改进代码。例如， 将第 267 行的 if 语句条件（if( prior2 != 0 )）替换为第 38 行的 if 条件。由于编译器现在能够推断该条件始终为真，因此可以完全消除该 if 语句。而在原始代码中，尽管 prior2 永远不会为零，但编译器无法得知这一点。

1.2 运行突变最佳结果的清理

第 200 代中的最佳个体在所有 2448 × 3264 = 7,990,272 个像素上给出的答案与获奖代码完全相同，但平均运行速度快了 9.7%。
这个进化后的程序包含 22 处更改。为了确定哪些更改是必要的，我们一次移除一处更改，创建一个包含 21 处更改的中间版本，并像之前一样测量其在相同训练图像上的性能。有六处更改使得突变体的性能显著下降超过 0.1%。我们根据这六处更改（与最佳进化程序的顺序相同）构建了一个新的突变体。在原始训练图像上，它比原始代码快了 10.0%，并且产生了完全相同的答案。在 447 张新图像上运行时，新代码在 424 个案例中产生了相同的答案。在其余 2