依赖关联的多目标缺陷分派优化模型

摘要

随着开源软件规模和复杂度的不断提升，软件设计和开发的难度显著增加，软件缺陷的数量也迅速增长.缺陷分派是软件开发中确保质量的关键任务，近年来深度学习领域提出了多种自动化或半自动化的分派方法.然而，这些方法仍存在诸多局限.传统分派方法主要挖掘缺陷报告的文本特征，忽视了缺陷间的依赖关系及其引发的阻塞问题，而缺陷阻塞不仅会降低修复效率，甚至可能导致修复进程停滞.为解决缺陷阻塞问题并降低跨项目的认知成本，提出了一个依赖关联的多目标缺陷分派优化模型.该模型构建缺陷依赖树并更新缺陷优先级，调整缺陷修复顺序.同时，模型引入非支配排序遗传算法，平衡认知成本与修复偏好两个目标，向开发人员推荐排序后的最佳缺陷集合.实验结果表明，该方法在Eclipse和Mozilla数据集上的部分阻塞缺陷修复时间方面取得了显著优化效果.

关键词

软件缺陷分派 / 缺陷依赖 / 多级目标搜索