UMDA aplicado a la Mejora Automática del Software

Abstract

UMDA4GI, una adaptación del Algoritmo de Distribución Marginal Univariada (UMDA) al problema de la Mejora Genética del software, se propone como nueva metaheurística para la búsqueda de variantes que reduzcan el tiempo de ejecución de programas existentes manteniendo su corrección funcional. Frente a enfoques clásicos como Programación Genética, Búsqueda Local y Búsqueda Aleatoria, la propuesta aprende distribuciones marginales sobre los edits (operaciones de modificación de código) observados en variantes válidas y las utiliza para muestrear parches cortos, limitando la longitud máxima a dos ediciones para favorecer la viabilidad y reducir el sobre-ajuste. Los experimentos, aplicados con el framework MAGPIE a un banco de cuatro aplicaciones software, bajo validación cruzada y distintos presupuestos de evaluación, muestran que UMDA4GI obtiene en general mejores o competitivos porcentajes de reducción de tiempo de ejecución, presenta menor sobre-ajuste que los algoritmos comparados y alcanza estos resultados con tiempos de búsqueda intermedios, lo que lo convierte en una alternativa robusta y prometedora para la mejora automática del rendimiento del software.