基于自适应交叉的多目标软件重构推荐方法

为解决传统交叉算子机械交换基因片段容器引入过度随机性,导致生成无效重构的问题,提出一种基于自适应交叉算子的重构推荐方法 RefCross.首先,通过源代码分析工具解析 Java 项目并构建代码结构模型获取代码度量信息;其次,设计适应度函数并基于度量信息计算适应度值,引导交叉算子的优化方向;最后,构建基于特征匹配的父代分类机制并制定交叉策略,结合共同基因保留、差异基因自适应选择及精英基因强化策略,生成兼顾优质特征继承与解空间多样性的子代重构序列,以降低无效重构生成概率.结果表明,与现有方法相比,RefCross 在 6 个开源项目上的精确率、召回率和 F1 分数上均取得更优表现,其平均 F1 分数达到 77.82%,较基线方法提升 9.10个百分点.该方法能够有效提升重构推荐的有效性与准确性,可为自动化重构决策提供支持.