初识基于搜索的软件工程

初识SBSE（基于搜索的软件工程）

2017年11月26日

定义：基于搜索的软件工程（Search Based Software Engineering, SBSE）是传统软件工程和智能计算（Intelligent Computing）交叉的领域，它采用智能计算领域的现代启发式搜索优化算法（meta-heuristic search algorithm，元启发式算法）解决软件工程的相关问题。
核心：实现智能化和自动化的软件工程相关问题求解。

和传统软件工程的对比：
传统的软件工程的解决问题方法是在问题空间通过算法来构造一个解，而基于搜索的软件工程是在解空间（即所有可能的解）中使用启发式搜索算法以具体问题的适应值函数作为向导搜索最优解。

如果想要使用基于搜索的优化算法解决问题，需要满足以下两个条件：
1. 设计出 问题解决方案表达方式，即Solution Representation：对所需解决问题的结果，必须能通过相应的编码表示出来，以构成搜索算法中的染色体，进行相应的计算。
2. 设计出相应的 适应度函数，即Fitness Function：方便对候选解进行评价，比较不同解之间的优劣。

拿典型的0/1背包问题举个例子
问题描述：假设背包最大承受重量为G，有N个物品，第i（取值为 1-N ）物品的重量为Wi，对应的物品价值为 Vi，求在背包承受重量之内，能得到的物品的最大总价值，并给出方案。

我们知道，在程序设计竞赛中，这是一道典型的动态规划问题，可以用40行左右的动态规划求解，这也是传统软件工程的做法。
这个问题也可以使用基于搜索的优化算法求解，因为它可以设计出合理的解决方案表达方式和适应度函数。每个解决方案都可以用一串01编码（向量X）表示，这一串中的第 i 为表示第 i 个物品是否被选择，0 表示否，1 表示是。如若共有5件物品，则01010表示只选择第2和第4件物品的解决方案。适应度函数是用来评价解的优劣的，背包问题的适应度函数可以设计为“满足背包承受范围下的总价值”，即

∑Ni=1Xi∗Wi <= G && max (∑Ni=1Xi∗Vi)

若使用遗传算法（一种基于搜索的优化算法）求解这个背包问题，则大概需要300+行代码。

常见的基于搜索的优化算法
1. 遗传算法，Genetic Algorithm，GA，使用最为广泛的一种算法。
2. 爬山算法，Hill Climbing，HC，一种局部搜索算法。
3. 模拟退火算法，Simulated Annealing，SA，也叫蒙特卡罗退火，是一种全局优化算法。
4. 蚁群算法，Ant Colony Optimization，ACO，又称蚂蚁算法。
5. 粒子群算法，Particle Swarm Optimization，PSO，一种进化计算技术，全局随机搜索算法。
6. 遗传编程，Genetic Programming，GP，一种进化计算技术，利用树形结构来表达计算机程序。
…
我的研究生导师说我硕士生涯要着重关注和接触的算法有 遗传算法 和 遗传编程。

基于搜索的算法在软件工程中的用处

自从2001年由Harman和Jones提出SBSE以来，经过长期的研究和发展后，该技术可以运用在软件工程的各个阶段中，比如需求分析、项目管理、软件测试等等阶段。由于SBSE在软件测试上发展地十分迅速，甚至有些饱和，外加毕业后我要从业，导师建议我将重点放在SBSE在需求分析和项目管理的使用上。