在PAR平台的自动化机器学习研究.pdf

摘要

软件自动化是指基于正式或非正式的规格说明自动生成软件的过程。软件

自动化一直以来是计算机科学的梦想，它可使开发人员摆脱繁琐的编程任务。

算法是软件的核心，在计算领域中被称为“灵魂”，它们的设计是决定软件系统

可靠性的关键因素。算法设计自动化是指利用计算机和相关工具，将问题的规

约转化为可以被计算机程序执行的算法，从而实现对算法设计过程的自动化。

目前虽然有些研究尝试运用深度学习等机器学习算法来达到算法设计自动化，

但由于该过程具有创造性和不确定性的特点，算法程序表达存在较大差异，而

且算法开发数据质量也有问题，算法设计涉及的问题范围十分广泛，因此自动

化程度仍然有限。

为此，本研究基于薛锦云教授的PAR方法和PAR平台，对Radl规约进行

了准确的向量化表示研究，并提出了向量化转换方法；针对通用人工智能背景，

探索了Radl规约到Radl算法的自主智能化生成方向，并采用学习方法论的机器

学习自动化设计要素，设计了Radl规约到Radl算法的自动生成系统；最后，对

传统设计方法和系统生成方法的可验证性与可靠性进行了比较分析。

本文的工作和创新点主要集中在以下几个方面：

1.通过研究现有的数学表达式向量化转换方法，本文针对Radl规约进行了

精确的向量化表示研究，并提出了一种创新的Radl规约向量化转换方法。该方

法不仅能保留Radl规约的数学实体信息，而且还能包含Radl规约中数学实体的

出现频次信息。这种方法的创新之处在于解决了仅仅通过数学公式的二维向量

变换，无法将一个实体的多次出现计入频次信息的问题。

2.基于自动化机器学习理论，提出系统自动化机器学习设计目标，指出

Radl算法的自主智能化生成方向，对Radl算法模式库进行了设计，并介绍系统

设计原理和总体框架。

关键字：软件形式化；软件自动化；PAR平台；Radl语言；自动化机器学习

I

Abstract

Softwareautomationreferstotheprocessofgeneratingsoftwareautomatically

basedonformalorinformalspecifications.Thishasbeenalong-standingdreaminthe

fieldofcomputerscience,liberatingdevelopersfromtheburdenofmonotonous

programmingtasks.Algorithms,knownasthesoulofcomputing,arethebackbone

ofsoftware,andtheirdesignplaysacrucialroleindeterminingthereliabilityof

softwaresystems.Currently,althoughsomestudieshaveattemptedtoutilizemachine

learningalgorithmssuchasdeeplearningtoachievealgorithmdesignautomation,the

creativeanduncertainnatureofthealgorithmdesignprocess,thelargedifferencesin

algorithmprogramexpression,theissueswithalgorithmdevelopmentdataquality,and

thewiderangeofproblemsinvolvedinalgorithmdesignallcontributetothelimited

levelofautomationachievedthusfar.

Inlightofthis,ourresearchbuildsuponProfessorXueJinyu