基于K-最近邻C克隆代码重构方法.docVIP

基于K-最近邻的C克隆代码重构方法 　　摘要： 在软件开发过程中，克隆代码已经成为引起软件缺陷的一个重要因素。针对现有的方法不能很好地处理内聚度低、功能交叉的克隆代码的问题，提出了一种基于Ｋ－最近邻的克隆代码重构方法。首先，对克隆代码进行静态分析，搜集控制依赖信息和数据流信息，再经过Ｋ－最近邻聚类方法，形成便于提取、功能独立的代码片段，然后对代码片段进行过程提取，使之成为一个独立的过程，并用过程调用替代原来的克隆代码。实验结果表明，该方法能够对克隆代码进行有效组织，并对功能独立的部分进行提取。 　　关键词： 　　中图分类号： ＴＰ３１１ 文献标识码：Ａ 文章编号：２０９５－２１６３（２０１１）０１－００４７－０４ 　　 　　０引言 　　随着计算机软件的不断发展，研究人员提出了软件复用的概念。人们希望通过复用已有的高质量开发成果，避免重新开发可能引入的错误，提高软件的质量。当在开发过程中碰到一些熟悉问题的时候，编程人员就从已有的系统中寻找实现类似功能的代码，稍作修改，以满足需求，然后应用到当前系统中。随着时间的推移和系统功能的增加，拷贝－粘贴的方法很容易导致整个软件系统充斥着大量的克隆代码。 　　克隆代码在大多数情况下是有害的，增加了软件系统代码的长度，使得软件系统愈加复杂、难以维护，系统运行效率降低，并且给软件引入大量的程序缺陷。对克隆代码使用的重构技术主要是过程提取，就是将出现在源代码中的克隆代码提取为一个新的过程，这在一定程度上降低了克隆代码带来的危害。 　　过程提取这个概念最早出现在１９７７年，由ＢＵＲＳＴＡＬＬ和ＤＡＲＬＩＮＧＴＯＮ首次提出[１]。但是直到９０年代初，才由ＧＲＩＳＷＯＬＤ 和ＮＯＴＫＩＮ第一次在其著作[２，３]中提出ｅｘｔｒａｃｔ－ｆｕｎｃｔｉｏｎ（过程提取）这个词。比较早的过程提取方法有ＬＡＫＨＯＴＩＡ提出的ｔｕｃｋ[４]方法，该方法可以将连续的语句和不连续的语句提取成单独的过程。随后，ＫＯＭＯＮＤＯＯＲ和ＨＯＲＷＩＴＺ提出了语义保持的自动过程提取方法[５－６]，来提取可能含有跳转语句的不连续的代码片段。ＨＡＲＭＡＮ和ＢＩＮＫＬＥＹ针对自动过程提取方法又做了一些改进[７]，减少了要提取的代码数量。但是上述方法都是注重将代码变换为连续一致的形式，计算复杂度较高，并且没有涉及到内聚度低、功能交叉的代码的处理。 　　为了处理内聚度低的代码，文献[８－９]在源代码级别上使用了聚类算法，选取可执行语句作为实体，根据实体的数据属性和控制属性计算相似度，将彼此关联的元素归类，但是文献中算法对语句之间的控制依赖考虑较少，导致聚类结果不准确，也没有将聚类算法应用到克隆代码的重构中。 　　针对上述方法中存在的不足，提出一种基于Ｋ－最近邻的克隆代码重构方法，结合控制依赖图和Ｋ－最近邻聚类算法，形成便于提取和功能独立的代码片段，然后基于抽象语法树，应用过程提取算法，将代码片段提取为一个新的过程。该方法能够有效改进程序结构，对克隆代码进行重构。 　　１基于Ｋ－最近邻的克隆代码重构算法 　　１．１基于Ｋ－最近邻的克隆代码重构模型 　　本文提出的克隆代码重构模型如图１所示。该模型的基本思路为：首先读入Ｃ克隆代码，接着进行词法分析和语法分析，在此基础上生成抽象语法树，然后建立程序依赖图，获得控制流信息和数据流信息。其次，采用控制依赖图和Ｋ－最近邻聚类算法相结合的方法分析代码，分离出便于提取、功能独立的代码片段。最后，调用基于抽象语法树的过程提取算法，解决参数相关问题，将代码片段提取为独立的过程，并用过程调用取代其在源代码中的位置。 　　１．２改进的基于控制依赖图的Ｋ－最近邻聚类算法 　　通过建立和分析程序的控制依赖图[１０]，可以求得代码语句的定值－引用变量信息。在此基础上，对代码执行聚类算法[８]，将语句进行归类，可以提高提取、功能独立的代码片段的准确性。 　　基于这样一种思路，本文在文献[８－９]的基础上提出一种改进的基于控制依赖图的Ｋ－最近邻聚类算法。该聚类算法结合控制依赖图，查找、记录控制语句的作用域，重新调整语句之间的控制依赖关系，使得聚类结果更加准确；并且利用相似度矩阵和控制依赖关系，调整分类结果，使其可以作为过程提取算法的输入，支持克隆代码重构。改进的基于控制依赖图的Ｋ－最近邻算法如图２所示。 　　本文聚类算法选取程序语句作为聚类的实体对象，控制变量和数据变量作为实体的属性，以实体属性矩阵作为算法的输入，矩阵的行表示语句的行号，列表示实体相关的属性。 　　算法步骤如下： 　　（１）根据实体属性矩阵，计算两两实体之间的相似度，构建相似度矩阵； 　　（２）处理声明类型节点，初始化每个实体的类标签，类标签用来记录该实体在聚类过程中的分类情况； 　　（３）执行Ｋ－最近邻算法，对语句进