支持高层决策和按需服务的软件维护技术研究

Developers often find it hard to make proper decisions in software maintenance due to lack of documents, staff turnover and system complexity. This difficulty is the key challenge for the maintenance of large-scale, complex software systems. Existing reverse analysis and program comprehension techniques and tools that support software maintenance, such as feature location, clone analysis, and program differencing, usually provide only low-level raw results from certain specific aspects. Such tools cannot provide customized services for different development roles and tasks, thus cannot effectively support developers' decision-making in software maintenance tasks. In this project, we focus on developers' information needs for decision-making and on-demand services when accomplishing specific software maintenance tasks. Our research objectives lie in the following two aspects. One is to discover high-level analysis information using techniques such as data mining, model differencing, information filtering, abstracting and aggregating, and support developers' decision-making in specific software maintenance tasks based on innovative HCI (human-computer interaction) techniques. The other is to achieve comprehensive sharing of software maintenance knowledge by establishing unified domain models, eliciting knowledge from different sources, and providing on-demand services. The outcomes of this project can provide methodology, technical and tool supports for software maintenance from multiple aspects, which can greatly improve the efficiency and quality of software maintenance activities.

由于文档缺失、人员变化以及系统的复杂性等原因造成的系统难以理解和掌握、难以做出合理的维护决策是大规模、复杂软件系统维护过程中所面临的主要困难和挑战。现有的支持软件维护的逆向分析和程序理解技术，例如特征定位、克隆分析、代码差异比较等，通常只能提供某一方面的低层原始分析结果，无法针对不同开发角色和维护任务提供有针对性的服务，因此难以为开发人员的软件维护决策提供有效支持。为此，本课题提出研究支持高层决策和按需服务的软件维护技术。课题的研究目标是：针对不同开发角色完成特定维护任务的需要，采用数据挖掘、模型比较以及信息过滤、抽象、聚合等手段产生高层分析信息，结合可视化交互技术辅助开发人员进行软件维护决策；建立统一的领域模型实现软件维护信息和知识的规范化表示，实现软件维护知识的抽取、共享和按需服务。本课题的研究工作可以从多个方面对软件维护活动提供方法、技术和工具支持，从而提高软件维护的效率和质量。

本项目基于程序分析和比较、数据挖掘、可视化、人机交互等技术思路，针对软件维护多个方面的技术问题开展研究，具体包括代码检索与推荐、软件演化分析、代码克隆分析、软件设计优化与重构等。其中，本项目在基于模型的代码差异比较和自动化重构方面取得了一系列突出成果。项目研究团队提出并实现了一种针对多实例的代码克隆片段比较方法，在此基础上进一步提出了面向代码复制粘贴的修改推荐方法以及大粒度设计级的代码模板抽取方法。另一方面，项目提出了一种基于模型的体系结构级自动化重构方法，该方法利用高层设计模型与代码实现模型之间的映射和差异比较实现自动化重构方案推荐。项目组基于相关研究成果发表论文21篇，其中包含SCI国际期刊论文2篇、CCF A类国际会议论文4篇（ICSE 2014、FSE 2015、FSE 2016、ASE 2017）、CCF B类国际会议论文3篇，此外还录用CCF B类国际会议论文1篇；申请发明专利2项，申请软件著作权1项；所开发的软件维护支持工具获得2014年全国软件及应用学术会议（NASAC 2014）软件原型竞赛二等奖及2015年全国软件及应用学术会议（NASAC 2015）软件原型竞赛一等奖；受邀在第十三届全国软件与应用学术会议（NASAC 2014）上做了青年学者特邀报告“以人为中心的软件维护技术”，在第十六届全国软件与应用学术会议（NASAC 2017）上做了青年学者特邀报告“面向智能化软件开发的代码大数据分析”。依托本项目研究成果与华为公司开展了3项项目合作。其中，特征定位、基于动画的软件模块化质量演化监控、软件演化过程中的代码热点预测、源代码搜索工具、软件开发知识搜索工具、基于设计的软件自动化重构等方面的研究成果都得到了应用。

内容获取失败，请点击重试