شناسایی کلونهای معنایی با استفاده از حالت حافظه انتزاعی و گراف وابستگی برنامه

در مهندسی نرم افزار مهمترین مساله، ارایه نرم افزارهای با کیفیت و با کارایی بالا و خدمات پس از فروش آن است. به همین دلیل مهندسان نرم افزار، شاخهی بخصوصی را با نام تکامل نرم افزار (Software Evolution) معرفی کردند که در آن هدف، ارتقای نرم افزارها پس از تولید آنها است. یکی از مباحث پایه در تکامل نرمافزار، تشخیص کلونی های کد (Code Clone) یا همان تکه کد های تکراری در نرم افزارها است. در حقیقت شاید بتوان تشخیص کلونی ها را پایه تکامل نرم افزار معرفی نمود، چرا که بیشتر مباحث تکامل نرم افزار، به نوعی به تشخیص کلونی ها وابسته هستند. تاکنون روش های متنوعی، از جمله دو روش مبتنی بر رفتار (کندتر و دقیقتر) و مبتنی بر حالت حافظه (سریعتر با دقت متوسط) ارایه شده اند. در این پژوهش، هدف یافتن کلون های بیشتر با دقتی مناسب نسبت به روش مبتنی بر حالت حافظه است کاهش . False Negative برای انجام این کار از ترکیب دو روش حالت حافظه انتزاعی Abstract Memory State و گراف وابستگی برنامه Program Dependency Graph استفاده شده است. ضمنا از روش اجرای تکه کدها با مقادیر تصادفی نیز بهره برده شده است. روش ارایه شده در این پژوهش با روش مبتنی بر حالت حافظه مقایسه شده و در نهایت، ارزیابی ها نشان میدهند که این پژوهش توانسته است کلونهای نوع 3،2،1 و 4 را شناسایی کند و False Negative را کاهش دهد.

Keywords:

مهندسی نرم افزار , تکامل نرم افزار , کلونیهای کد , کلون های معنایی