基于q学习的复杂程序动态分析技术-计算机软件与理论专业论文.docxVIP

摘 摘 要 D学列足机器学习的--f4,，以其简捷、高效的算法及自适应学习特点，成为增强学习的典型代表．订： 人上智能领域得到越来越多的应用。理论和实践证明，解决动态过程优化蒯题是Q学习的长处。 程序分析领域中切片技术日趋成熟。基于系统依赖图的程序静态切片技术效率高、应用r。但《1 1，随 着软件程序的功能多样化发展，复杂性随之提高，环境中十扰因素不断增加。复杂程序在4i确定环境rf-的 动态分析、控制成为技术难题和迫切需求。此时，切片方法为主的程序分析理论、技术严重受限。 提出用p学习策略探索程序分析领域存在的难题，是一次人心尝试。论文引入Q学爿独有的优坍， 车l xq复杂程序动态分析、控制难题，提出基于Q学习的复杂程序动态分析、控制思想，构造切实i]行的分 析算法，着重对并发程序、面向列象程序、不确定环境中的复杂程序动态分析进行研究．卡』J步形成_』，丛于 p学习的复杂程序动态分析技术，为实时、有效控制不确定环境中复杂程序的动态过程提供j，依捌。在此 基础上，刑基于0学习的复杂程序动态分析、控制系统(桁控器：QACA)I)q实脱相关技术进行了研究。 论文的主要工作：(1)通过对基于Q学习的复杂程序动念分析技术的研究．解决当前在并发程序、面向 对象程序、不确定环境中的复杂程序等的动态分析方f西存在的难题，提高分析智能性、效率及精度。《2) 在0学习分析的基础上，探讨对复杂程序实施动忐最优控制，增强复杂软件程序的自动摔制能力，为提高 大型、重要软件系统的安全性、可维护性等问题提供对策。(3)对析控器(QAcA)的实现相关投术进}j：丝础 性研究。 论文的主要成果表现在以下几个方而： ·提出一种基于Q学习的程序智能分析思想及方法．初步形成基于Q学习的复杂程序动态分析技术。 ·提U{Q依赖链、Q依赖图等一系列基于Q学习的程序分析新概念。融合了传统程序分析技术和机 器学习领域知识，使这两个学科有机结合、优势互补。 ·提出将不确定环境中的复自}程序区分特征、区别分析的方法。既可摊高析控器学习、分析的效j簪． 又使智能分析、控制的针对性、精确性得到增强。 ·为提高忻控器的学习、圳练速度及动态分析时效，提出利用当前程序分析巾先进理论、技术对狸一i 的表示、分折等方法，约柬动态分析信息量，缩短了agent的学习、洲练周媚。 ·提出运用p学习策略实时分析、控制复杂程序动态过程的思想和方法，研究、设汁将析控揣绑：t 或战八大型诱舞软件系统程序的动态过程，为基于Q学习的析控器系统实现做出基础性研究j‘作。 关键词：程序分析、机播学习、旦学习、复杂程序、程序动态分析、依赖性分析、程序切H Abstract0．Learning Abstract 0．Learning is the representative of Reinforcement Learning．Because of prompt and e硒cleat algorithm and self-adaptive learning，it is applied broadly and proved to be preponderant in optimizing dynamic process In program analysis field．alice has being developed to maturity SDG．based static slice is high efficiency and abroad iD application．But、the problem mtlat be taken into account，that how to analyze dynamic complex programs in indeterminate environments The character is much serious that software programs become more complex and easier affected by environments．So，the requirement of solving these problems becomes more urgently．At the same time．the capability oftraditional program analysis theory technology j badly restricted It’s a bravely attempt to explore program analysis with D—Learning strategv The paper introduces the advantage of Q—Learnin