17、行为视角下的程序综合及其未来展望

行为视角下的程序综合及其未来展望

1. 行为视角下的问题分解

在程序综合中，某些子程序的修改可能会影响整个程序的执行路径和最终结果。例如，若子程序的 c - 轨迹终点改变，为了保持最终结果不变，程序的其余部分可能需要相应修改。有证据表明，近可分解任务在自然系统中较为常见。

一些方法虽未明确进行水平问题分解，但基于整个执行轨迹定义搜索驱动的方法（如 pangea 和 tc）可被视为“隐性”地进行分解。例如，ftc 搜索驱动会促进具有高二向熵特征的程序，从而指定一类理想的 c - 状态，而非特定的 c - 状态。在 pangea 中，分类器从执行记录中提取的每个属性都可视为理想 c - 状态的一部分。当与代码重用结合时，问题分解的迹象更加明显，存档中的子程序的 c - 轨迹从某些起始状态开始，以 pangea 中分类器判定的理想 c - 状态结束。

除了聚类，还有其他寻找理想中间 c - 状态的方法，如语义反向传播。该方法从最终结果 t∗ 开始反向执行候选程序，产生可能理想的中间 c - 状态。不过，其关键挑战在于反向程序执行通常具有歧义性，可能会指定许多潜在有用的 c - 状态。但经验证据表明该方法可行，且优于语义遗传编程的其他变体。

1.1 相关方法特点总结

方法	特点
ftc 搜索驱动	促进具有高二向熵特征的程序，指定一类理想 c - 状态
pangea