基于自适应交叉的多目标软件重构推荐方法

摘要

为解决传统交叉算子机械交换基因片段容器引入过度随机性，导致生成无效重构的问题，提出一种基于自适应交叉算子的重构推荐方法RefCross。首先，通过源代码分析工具解析Java项目并构建代码结构模型获取代码度量信息；其次，设计适应度函数并基于度量信息计算适应度值，引导交叉算子的优化方向；最后，构建基于特征匹配的父代分类机制并制定交叉策略，结合共同基因保留、差异基因自适应选择及精英基因强化策略，生成兼顾优质特征继承与解空间多样性的子代重构序列，以降低无效重构生成概率。结果表明，与现有方法相比，RefCross在6个开源项目上的精确率、召回率和F1分数上均取得更优表现，其平均F1分数达到77.82%,较基线方法提升9.10个百分点。该方法能够有效提升重构推荐的有效性与准确性，可为自动化重构决策提供支持。

关键词

软件工程 / 多目标优化 / 交叉算子 / 重构推荐 / 父代分类