Nov, 2022

连续优化合成程序

PDF
TL;DR该文提出了一种将程序合成作为连续优化问题的新型方法，并使用现代演化方法解决问题，同时提出了一种映射方案将连续形式转换为实际的程序。通过比较 GENESYS 和其他程序综合技术，证明 GENESYS 在相同的时间预算内综合出更多程序。
发现论文，激发创造
  • 基于学习的软件代码和配置自动合成

    给出自动软件生成和配置的两个任务，第一个任务进一步分为两个子任务：用基于神经网络的适应度函数和程序跟踪与规范训练的遗传算法合成程序，用协方差矩阵适应演化策略合成程序；第二个任务是使用序列到序列深度学习机制从不同的输入文件（例如软件手册、配置文件、在线博客等）合成大规模软件的配置。

    May, 2023

  • 迭代遗传改进：扩展随机程序合成

    提出了一种名为迭代性遗传改进的基于随机程序综合的新框架，用于以一种更加健壮的方式逐步增加程序的复杂性，并在列表操作和字符串转换上表现出可观的优越性。

    Feb, 2022

  • 程序合成的遗传算法

    利用进化计算方法改善演绎程序合成工具 SuSLik 的搜索策略，以加速正确程序的推导，交叉验证结果显示改进后的方法可泛化应用于未预见的问题。

    Nov, 2022

  • 自然语言规格说明到数学程序的综合

    研究评估了使用数据增强、后处理和代码生成模型 CodeT5 合成数学程序的效果，通过应用线性规划规则来评分和纠正光束，该方法基于自然语言规范实现自动化建模。实验结果表明，在使用这些增强方法后，CodeT5 基础版本的执行准确率为 0.73，明显优于 ChatGPT 的零 - shot 执行准确率 0.41 和 Codex 的 0.36。

    Mar, 2023

  • 通过进化的方式为神经程序合成创建合成数据集

    本研究发现目前基于随机生成数据的程序综合方法面对数据分布改变的情况下普遍存在泛化能力不足的问题，提出了一种新的对抗式方法，用于控制合成数据分布的偏差从而得到更好的结果。

    Mar, 2020

  • 用进化程序合成自动化设计多重网格方法

    本论文介绍了一种基于语法引导遗传编程的进化程序综合技术，用于发现具有高效性和泛化能力的具有前所未有结构的多重网格方法，从而解决部分微分方程的数值求解问题。该方法的可行性通过 Python 框架 EvoStencils 的实现得到证明。

    Dec, 2023

  • 利用遗传微程序实现自动化软件测试的大路径覆盖

    利用遗传编程技术开发出一种新的自动化软件测试框架，生成可以重复生成输入值的微程序，从而快速高效地探索软件元件的输入参数范围，同时可应用于多种软件系统。

    Feb, 2023

  • 强化学习引导下的程序合成树搜索

    本文提出了一种新的程序合成方法，将寻找最优程序的问题转化为基于强化学习的马尔科夫决策过程， 并将这种方法应用于浮点数 RISC-V 汇编语言的子集上，并结合基于搜索技术的优先搜索树，证明了我们的方法相较于其他基线方法的优越性

    Jun, 2018

  • 通过程序合成学习神经符号生成模型

    本文介绍了一种使用程序表示全局结构的生成模型和利用程序综合生成训练数据的框架，可显著改善生成和补全具有全局结构的图像。

    Jan, 2019

  • 贝叶斯优化用于合成基因设计

    本文提出了一种三步法来解决合成基因设计中的优化问题，使用高斯过程模型来模拟细胞行为，定义了基于生物有意义的基因特征的最优基因设计规则，提出了多任务获得函数来同时优化多个感兴趣的方面，并定义了一个评估函数来排列和选择符合最佳设计策略的候选基因序列集合，并在哺乳动物细胞的实验中证明了该方法的性能。

    May, 2015