基于分支执行历史的循环缓冲低功耗方法

针对嵌入式处理器中指令Cache功耗显著的特点,提出了一种基于分支执行历史的循环缓冲低功耗方法.利用分支指令当前信息与分支执行历史信息之间的关系,实现了应用程序中循环的动态检测与加载.通过对取指通道的精确控制,该方法能够过滤大部分不必要的指令Cache访问,有效降低了指令Cache的功耗.在SuperV_EF01DSP上的实验结果表明,采用该方法后,在处理器性能没有损失的情况下,指令Cache功耗平均降低32.58%,面积仅增加8.31%.

基于制造执行系统数据采集的工时预测与进化

为提高定额工时的准确性,提出一种基于制造执行系统数据采集的工时预测与进化技术。给出了基于制造执行系统加工历史数据的实做工时统计方法,对工时影响因素进行分析并建立了工时预测神经网络。建立了工时进化过程模型并对进化过程进行描述,利用实做工时持续对定额工时与工时预测神经网络进行优化与训练完成工时的进化,通过进化使定额工时及其预测神经网络符合实际生产。在某航天企业对该方法的效果与可行性进行了验证。

一种基于层次切片的软件错误定位方法

提出了一种基于层次切片模型适合面向对象语言的错误定位方法.首先分别在包层、类层、方法层删去通过测试的包、类和方法,缩小软件错误存在的范围;其次,在语句层将删减后的程序按抽象语法树划分成若干模块,统计模块内变量使用的数目;通过动态分析,选取一组测试用例计算其执行历史;根据模块内使用变量数目的规模,采用逐步求精算法,计算产生错误测试用例的程序执行历史与静态分析过程中所产生模块的交集及交集的后向切片,直至实现错误定位.实验数据表明:该方法能够查出前期定位程序中绝大部分错误的位置,尤其适用在方法调用比较少的程序中.在方法调用比较频繁的程序中,由于在调用语句处迭代调用逐步求精算法,效率会降低.

利用动态切片方法评价C语言程序

针对C语言程序的评价问题,给出了执行点和执行历史相关概念的描述,讨论了执行点之间的关系,给出了关于单变量和执行点的动态切片的定义,在此基础上,给出了关于输入输出变量集和执行历史的动态切片的计算公式以及相应的程序评分方法,并通过一个实例给出了计算过程。

一种基于工作流的长事务恢复方法的研究

H. Garcia-Molina等人提出了用于解决长事务问题的Sagas模型,但Sagas模型的事务补偿过程会撤销整个长事务,另外每个子事务都必须具有补偿子事务,这两个缺陷大大影响了Sagas模型的执行效率和适用性。文中提出了一种基于执行历史的层次式的失效恢复算法。该算法动态确定补偿终止点,可有效减小补偿域。性能分析表明其性能通常优于非层次的失效恢复算法。

面向持续集成测试优化的强化学习奖励机制

持续集成环境下的测试存在测试用例集变化大、测试时间有限和快速反馈等需求,传统的测试优化方法难以适用.强化学习是机器学习的一个重要分支,其本质是解决序贯决策问题,可以用于持续集成测试优化.但现有的基于强化学习的方法中,奖励函数计算只包括测试用例在当前集成周期的执行信息.从奖励函数设计和奖励策略两个方面开展研究.在奖励函数设计方面,采用测试用例的完整历史执行信息替代当前执行信息,综合考虑测试用例历史失效总次数和历史失效分布信息,提出了两种奖励函数.在奖励策略方面,提出对当前执行序列的测试用例整体奖励和仅对失效测试用例的部分奖励两种策略.在3个工业级被测程序进行实验研究,结果表明:(1)与现有方法相比,所提出的基于完整历史执行信息奖励函数的强化学习方法可以大幅度提高持续集成测试序列的检错能力;(2)测试用例历史失效分布有助于发现潜在失效的测试用例,对强化学习奖励函数的设计更加重要;(3)整体奖励与部分奖励两种奖励策略受到被测程序的多种因素影响,需要根据实际情况具体选择;(4)包含历史信息的奖励函数会增加时间消耗,但并不影响测试效率.

基于密炼MES生产数据的橡胶质量预测研究与实践

为提高密炼机产出胶料的门尼黏度抽检准确度,提出了一种基于制造执行系统生产数据的门尼黏度预测方法,给出了基于制造执行系统生产历史数据与胶料质量质检数据的统计方法。对密炼机产出胶料质量影响因素进行分析并建立了质量预测神经网络,为胶料质量门尼检测的提供抽检依据,使被抽检的对象更具有代表性,提高质检部门对整个橡胶生产计划质量的可控性。