شناسايي كلونهاي معنايي با استفاده از حالت حافظه انتزاعي و گراف وابستگي برنامه

در مهندسي نرم افزار مهمترين مساله، ارايه نرم افزارهاي با كيفيت و با كارايي بالا و خدمات پس از فروش آن است. به همين دليل مهندسان نرم افزار، شاخه ي بخصوصي را با نام تكامل نرم افزار (Software Evolution) معرفي كردند كه در آن هدف، ارتقاي نرم افزارها پس از توليد آنها است. يكي از مباحث پايه در تكامل نرم افزار، تشخيص كلوني هاي كد (Code Clone) يا همان تكه كد هاي تكراري در نرم افزارها است. در حقيقت شايد بتوان تشخيص كلوني ها را پايه تكامل نرم افزار معرفي نمود، چرا كه بيشتر مباحث تكامل نرم افزار، به نوعي به تشخيص كلوني ها وابسته هستند. تاكنون روش هاي متنوعي، از جمله دو روش مبتني بر رفتار (كندتر و دقيق تر) و مبتني بر حالت حافظه (سريعتر با دقت متوسط) ارايه شده اند. در اين پژوهش، هدف يافتن كلون هاي بيشتر با دقتي مناسب نسبت به روش مبتني بر حالت حافظه است كاهش . False Negative براي انجام اين كار از تركيب دو روش حالت حافظه انتزاعي Abstract Memory State و گراف وابستگي برنامه Program Dependency Graph استفاده شده است. ضمنا از روش اجراي تكه كدها با مقادير تصادفي نيز بهره برده شده است. روش ارايه شده در اين پژوهش با روش مبتني بر حالت حافظه مقايسه شده و در نهايت، ارزيابي ها نشان مي دهند كه اين پژوهش توانسته است كلونهاي نوع 3،2،1 و 4 را شناسايي كند و False Negative را كاهش دهد.