Fugu-MT 論文翻訳(概要): Opti Code Pro: A Heuristic Search-based Approach to Code Refactoring

論文の概要: Opti Code Pro: A Heuristic Search-based Approach to Code Refactoring

arxiv url: http://arxiv.org/abs/2305.07594v1
Date: Fri, 12 May 2023 16:39:38 GMT
ステータス: 処理完了
システム内更新日: 2023-05-15 12:10:07.470558
Title: Opti Code Pro: A Heuristic Search-based Approach to Code Refactoring
Title（参考訳）: Opti Code Pro: コードリファクタリングに対するヒューリスティックな検索ベースのアプローチ
Authors: Sourena Khanzadeh, Samad Alias Nyein Chan, Richard Valenzano and Manar Alalfi
Abstract要約: コードの動機は、機能を変更することなく、既存のプログラムの設計、構造、実装を改善することである。結合と凝集の非常に特異な問題を解くために,全コード問題の近似に探索に基づく手法を適用することを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents an approach that evaluates best-first search methods to code refactoring. The motivation for code refactoring could be to improve the design, structure, or implementation of an existing program without changing its functionality. To solve a very specific problem of coupling and cohesion, we propose using heuristic search-based techniques on an approximation of the full code refactoring problem, to guide the refactoring process toward solutions that have high cohesion and low coupling. We evaluated our approach by providing demonstrative examples of the effectiveness of this approach on random state problems and created a tool to implement the algorithm on Java projects.
Abstract（参考訳）: 本稿では,コードリファクタリングにおける最良検索手法の評価手法を提案する。コードリファクタリングの動機は、機能を変更することなく、既存のプログラムの設計、構造、実装を改善することである。結合と凝集の非常に特異な問題を解くため, 完全リファクタリング問題の近似にヒューリスティック検索に基づく手法を用いて, 結合性が高く, 結合性が低い解へリファクタリングプロセスを導くことを提案する。我々は,ランダム状態問題に対するこの手法の有効性の実証例を提供し,javaプロジェクトでアルゴリズムを実装するためのツールを開発した。

関連論文リスト

Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
論文参考訳（メタデータ） (2025-01-28T15:41:54Z)
Generating refactored code accurately using reinforcement learning [3.179831861897336]
そこで本研究では,Javaソースコードの自動抽出を行うために,プログラム言語モデルを微調整・整合化するための強化学習に基づく新しい手法を提案する。提案手法は,PPO(Proximal Policy Optimization)アルゴリズムを用いて,シーケンス・ツー・シーケンス生成モデルを微調整する。我々の実験は、我々のアプローチがコードにおける大きな言語モデルの性能を大幅に向上させることを示した。
論文参考訳（メタデータ） (2024-12-23T23:09:48Z)
CodeDPO: Aligning Code Models with Self Generated and Verified Source Code [52.70310361822519]
我々は、コード生成に好み学習を統合するフレームワークであるCodeDPOを提案し、コードの正確性と効率性という2つの重要なコード優先要因を改善した。 CodeDPOは、コードとテストケースを同時に生成、評価するセルフジェネレーション・アンド・バリデーションメカニズムを利用して、新しいデータセット構築方法を採用している。
論文参考訳（メタデータ） (2024-10-08T01:36:15Z)
DOCE: Finding the Sweet Spot for Execution-Based Code Generation [69.5305729627198]
本稿では,候補生成,$n$-best再ランク,最小ベイズリスク(MBR)復号化,自己老化などを含む包括的フレームワークを提案する。本研究は,実行ベースメソッドの重要性と,実行ベースメソッドと実行フリーメソッドとの差を明らかにする。
論文参考訳（メタデータ） (2024-08-25T07:10:36Z)
In Search of Metrics to Guide Developer-Based Refactoring Recommendations [13.063733696956678]
モチベーションは、外部の振る舞いを損なうことなく、ソースコードの品質を改善するための確立されたアプローチである。本研究では,開発者の運用意欲を調査する指標に関する実証的研究を提案する。実行すべき開発者のモチベーションを把握する上で、製品とプロセスのメトリクスの価値を定量化します。
論文参考訳（メタデータ） (2024-07-25T16:32:35Z)
A Survey of Deep Learning Based Software Refactoring [5.716522445049744]
大量のディープラーニングベースのアプローチがソフトウェアをリファクタリングするために提案されている。このような作品に関する包括的なレビューや、深層学習に基づくアプローチのための分類の欠如がある。ディープラーニング技術のほとんどは、コードの臭いの検出やソリューションの推奨に使われてきた。
論文参考訳（メタデータ） (2024-04-30T03:07:11Z)
Automatizing Software Cognitive Complexity Reduction through Integer Linear Programming [1.1970409518725493]
近年,ソフトウェア認知複雑性の低減を最適化問題としてモデル化し,開発者を支援する手法を提案する。このアプローチは、停止基準を満たすまでコード抽出操作のシーケンスを列挙する。結果として、コードの認知複雑性を所定のしきい値に減らすことができる最小限のコード抽出操作のシーケンスを返す。
論文参考訳（メタデータ） (2024-02-08T10:53:00Z)
Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文参考訳（メタデータ） (2023-12-28T23:15:18Z)
Plan, Verify and Switch: Integrated Reasoning with Diverse X-of-Thoughts [65.15322403136238]
我々は,多種多様な推論の思考をLCMに促すことにより,総合的な問題解決フレームワーク XoT を提案する。各質問に対して、XoTは常に最も適切なメソッドを選択して始まり、各メソッドを反復的に実行する。各イテレーション内で、XoTは生成された回答の有効性を積極的にチェックし、外部エグゼクタからのフィードバックを取り入れます。
論文参考訳（メタデータ） (2023-10-23T07:02:20Z)
Branch & Learn for Recursively and Iteratively Solvable Problems in Predict+Optimize [9.772500430303285]
本稿では,解決時に未知のパラメータを含む最適化問題に取り組むための,予測+のフレームワークであるブランチ・アンド・ラーニングを提案する。我々のフレームワークは、それらを退化的な再帰形式と見なして反復アルゴリズムにも適用している。
論文参考訳（メタデータ） (2022-05-01T08:41:30Z)
End-to-End Constrained Optimization Learning: A Survey [69.22203885491534]
機械学習アーキテクチャとソルバと最適化手法を統合する作業の調査に焦点を当てている。これらのアプローチは、問題に対する迅速、近似、構造的、解決策を予測し、論理的推論を可能にする新しいハイブリッド機械学習と最適化手法を開発することを約束します。
論文参考訳（メタデータ） (2021-03-30T14:19:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。