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

در مهندسي نرم‌افزار مهمترين مساله، ارائه نرم‌افزارهاي با كيفيت و با كارايي بالا و خدمات پس از فروش آن است. به همين دليل مهندسان نرم‌افزار، شاخه‌ي بخصوصي را با نام تكامل نرم‌افزار (Software Evolution) معرفي كردند كه در آن هدف، ارتقاي نرم‌افزارها پس از توليد آن‌ها است. يكي از مباحث پايه در تكامل نرم‌افزار، تشخيص كلوني‌هاي كد (Code Clone) يا همان تكه كد‌هاي تكراري در نرم‌افزارها است. در حقيقت شايد بتوان تشخيص كلوني‌ها را پايه تكامل نرم‌افزار معرفي نمود، چرا كه بيشتر مباحث تكامل نرم‌افزار، به نوعي به تشخيص كلوني‌ها وابسته هستند. تاكنون روش هاي متنوعي، از جمله دو روش مبتني بر رفتار (كندتر و دقيقتر) و مبتني بر حالت حافظه (سريعتر با دقت متوسط) ارائه شده‌اند. در اين پژوهش، هدف يافتن كلون‌هاي 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 ارائه شده در اين پژوهش با روش مبتني بر حالت حافظه مقايسه شده و در نهايت، ارزيابي‌ها نشان مي‌دهند كه اين پژوهش توانسته است كلون هاي نوع 1،2،3 و 4 را شناسايي كند و False Negative را كاهش دهد.