1、探索程序合成新路径：行为视角下的创新方法

探索程序合成新路径：行为视角下的创新方法

1. 程序合成的发展与挑战

在当今世界，可编程设备数量呈指数级增长，涵盖了各种硬件平台、操作系统，以及用数百种编程语言编写的无数软件模块。这使得对软件的需求持续攀升，软件工程师成为了各个领域都急需的专业人才。尽管计算机科学专业毕业生数量不断增加，软件开发也有了更高效的工具支持，但软件研发仍然是一项极具挑战性且资源密集的任务，主要原因在于现代软件的复杂度比过去大幅提高。

自动化程序合成作为计算机辅助软件开发中最前沿的领域，为解决这一问题带来了希望。它能够根据各种形式的规范或多或少地自动生成程序。虽然自动化程序合成系统目前还处于起步阶段，但发展势头迅猛。不过，许多人对程序合成的自动化持怀疑态度，例如著名的程序员大师 Edsger Dijkstra 就曾质疑“自动编程”的可行性。然而，深入思考会发现，人类与计算机的交互在编程历史中不断演变，从早期的低级机器语言到如今的高级编程范式，表达编程意图的方式越来越多样化。例如，在电子表格中处理数据时，用户可以通过给出期望结果的示例来表达意图；在 Scratch 环境中，用户可以直观地指定控制流程。因此，程序合成可以看作是这一演变过程中的又一个阶段，是一种更高层次的抽象，在这个层面上，表达意图可能不再像传统编程那样。

2. 遗传编程与评估瓶颈

遗传编程是一种受生物进化启发的程序合成方法，它基于进化计算的元启发式算法。在传统的遗传编程中，通常只使用程序执行的最终结果（即程序输出）来指导程序合成过程。具体来说，会将程序在特定测试中所犯的错误汇总为一个标量值，以此作为程序评估的依据。然而，这种设计存在一个严重的问题，即“评估瓶颈”。程序执行是一个复杂的过程，涉及程序组件（如指令）与操作数