ChinaSoft 论坛巡礼 | 软件智能合成理论与方法

2022年CCF中国软件大会（CCF ChinaSoft 2022）将于2022年11月25-27日在上海国际会议中心举行。预期将有林惠民、陈左宁、邬江兴、何积丰、梅宏、吕建、柴洪峰、王怀民、郑纬民、蒋昌俊等10余位院士莅临。

本次大会主题是“聚焦产教研用协同创新，提升关键软件供给能力”，包括学术、工业、教育等论坛活动40余场，期待您的参与！

目前大会火热报名中！

点击文末“阅读原文”进入官方注册通道(可预订住宿)：

https://conf.ccf.org.cn/chinasoft2022

✦  +

+

论坛巡礼

本文特别介绍将于11月25日举办的【软件智能合程理论与方法】技术论坛。

论坛名称：软件智能合成理论与方法

时间: 2022年11月25日下午14:00-18:00

论坛简介：

       随着信息技术的快速发展，软件在国民经济各个领域发挥的作用越来越重要。面对软件需求日益多样、功能日趋复杂、规模持续提升的现状，迫切需要探索新的软件自动化开发模式和方法，以应对未来的软件发展需求。近年来人工智能技术快速发展，融合人工智能技术的软件智能合成，已成为一种备受关注的软件自动化技术。软件智能合成是指在传统的软件合成技术基础上，采用机器学习等人工智能技术，利用已有的大量代码知识自动合成满足用户意图的软件。人工智能为解决自动化软件开发提供了新契机，并在软件智能合成中取得了一定进展，但也带来了新的挑战。为推动软件自动化理论与方法创新，本论坛围绕软件智能合成理论与方法，聚焦提高合成效率、改善自动生成软件质量等核心问题，讨论国内外在解决软件智能合成的挑战过程中所取得的理论、技术或实验方面具有创新性、突破性的高水平研究成果，并探讨其在产业界的应用。

日程安排

Schedule

论坛主席

Forum Chairmen

詹乃军

中国科学院软件研究所研究员、博士生导师、国家杰出青年科学基金获得者

    南京大学数学学士、计算机硕士，中国科学院软件研究所博士。研究领域为形式化方法，实时、嵌入式、混成系统，程序验证等。任《Formal Aspects of Computing》、《J. of Logical and Algebraic Methods in Programming》、《软件学报》、《电子学报》等期刊编委，国际会议MEMOCODE和SETTA的指导委员会委员，多个国际会议程序委员会共同主席（如FM 2021）和著名国际会议程序委员会委员（如CAV、RTSS、HSCC、ICCPS、EMSOFT等）；在著名国际会议和杂志发表论文100多篇，出版专著2部，编著4部。

李戈

北京大学长聘教授、博士生导师、教育部长江学者

长期聚焦于程序理解、程序生成、深度学习等技术的研究，是国际上最早从事“基于深度学习的程序理解与生成”研究并取得代表性成果的研究者，在多个国内外顶级会议与期刊发表相关论文50余篇，多篇论文被国际学者认是“开创性成果”，并被广泛引用，多次获ACM杰出论文奖。在软件与人工智能领域的多个国际会议担任程序委员会共同主席与PC。曾获教育部科技进步一等奖，CCF科技发明一等奖，北京市科技发明二等奖，中创软件人才奖。教学课程被首批认定为“国家级一流线下课程”和“国家级一流线上课程”，并多次获省部级教学奖。科研转化成果aiXcoder为航天领域的重大工程、金融与IT领域的多家大型企业及数十万国际开发者提供服务。

沈博

西北工业大学计算机学院副教授

    2017年于西北工业大学获得博士学位，2017年至2018年于普林斯顿大学从事博士后研究。主要研究领域为人机物融合系统建模与分析、智能系统验证与评价、嵌入式软件智能合成等方面，在相关领域国内外著名会议和期刊发表论文20余篇，申请专利、软著10余项。主持国家自然基金、国家重点研发计划子课题等项目7项，担任SSCPS 21、22主席及多个国际会议和期刊评审人。

何啸

北京科技大学智能超算融合应用技术教育部工程研究中心副教授

2012年获北京大学理学博士学位。主要研究领域为模型驱动的软件开发、模型转换、双向变换、代码生成、程序设计语言、领域语言、软件测试等方面，在FSE、ISSTA、ASE、MODELS、JSS、IST、SoSyM、Science China、软件学报等国内外重要国际会议和期刊上发表论文三十余篇。担任第10届国际双向变换研讨会主席、多个国际会议和期刊评审人。

报告及讲者

Reports and reporters

董威

国防科技大学计算机学院教授、博士生导师

主要研究方向为高可信软件技术、智能化软件开发方法，中国计算机学会形式化方法专委会秘书长。入选教育部新世纪优秀人才支持计划，曾获中国计算机学会首届NASAC青年软件创新奖、霍英东基金会高校青年教师奖等。先后主持国家自然科学基金重大项目课题、国家863和973课题、国防领域课题十余项，发表学术论文70余篇，出版国家级规划教材两部，相关成果应用于航空航天、装备控制、自主基础软件等关键领域。

报告题目：

面向自主协同系统的软件智能合成

报告摘要：

    随着人机物融合系统和泛在软件的迅速发展，如何自动、高效地生成满足任务要求的自主系统控制程序具有重要研究与应用价值，但也具有非常高的难度，尤其是对于需要协同的多自主系统更具有挑战性。该报告对我们近来自主系统控制程序的自动生成与安全确保一些工作进行了介绍，并对人机物融合场景中自主协同系统的软件智能合成关键技术发展进行探讨。

董云卫

西北工业大学计算机学院教授、博士生导师

IEEE高级会员、可靠性性协会执委会委员（2018-2020）、西安分会主席，CCF杰出会员、嵌入式系统专委会常委、形式化专委会常委、软件工程专委会委员。主持国家自然基金重大项目、国家重大科技研发计划项目、国防预研计划和国家“核高基”专项计划等课题10多项。主要研究方向软件智能合成理论与方法、嵌入式系统架构设计与验证方法、信息物理融合系统、人工智能系统测试与自动修复技术，程序分析理论与方法。

报告题目：

基于深度学习的程序合成研究进展

报告摘要：

    随着开源社区的发展，软件代码复用在软件系统开发的日益成熟，以深度学习为代表的人工智能算法在软件开发过程中的应用，软件合成技术受到学术界和工业界的广泛关注。基于深度学习的程序合成，即软件智能合成，旨在利用深度学习技术自动生成满足用户意图的目标程序。与传统的程序合成方法相比，程序智能合成凭借其高准确率、易扩展、可学习迭代等特性成为近年来软件工程领域的研究热点，也涌现了一批软件智能合成的理论研究成果和应用案例，如Alphacode在编程竞赛网站Codeforces上击败一半的参赛人员。本文首先从用户意图理解、程序理解、模型训练、模型测试等角度梳理和归纳了软件智能合成的研究进展，总结了每一类方法的主要涉及思想。最后讨论了目前软件合成技术还面临的一些技术挑战和研究热点，并对软件合成技术的发展趋势进行展望。本文工作有助于研究人员全面了解程序智能合成的研究进展，也有助于软件产品研发工作者学习并发现软件系统开发自动化的解决方案。

李晓锋

研究员、北京控制工程研究所软件中心副主任

航天五院软件专家，CCF软件工程专委执行委员、嵌入式系统专委执行委员。主要研究领域：可信软件、自适应软件演化、软件自动化等。长期从事星载嵌入式软件开发和相关研究工作，作为项目负责人，完成了深空探测系列、星网星座等多项国家航天重大工程的软件研制，先后主持和参加了10余个预研项目，获军队科技进步奖1项、国际发明展金奖2项，发表论文30余篇，获得专利40余项。

报告题目：

空间飞行器控制软件在轨自适应演化框架及关键技术

报告摘要：

    软件自适应演化是提升空间飞行器智能自主水平及在轨稳定运行能力的有效途径,也是当前软件工程领域的研究热点.报告首先概述空间飞行器软件自适应演化研究的现状和存在的问题;在此基础上,针对空间飞行器在轨运行环境开放、宿主计算资源受限和飞行任务实时响应等特点,提出了一种基于知识制导的可信自适应控制软件演化框架（MAPE-KV，,Monitor-Analyze-Plan-Execute over Knowledge and Verification）,并阐述在系统模型建立、调整策略自动生成以及在线实时验证三方面需要解决的关键技术;最后,对软件自适应演化技术未来的发展方向进行展望。

陈小红

华东师范大学软件工程学院副教授

主要研究方向为需求工程、需求形式化与验证以及IoT最终用户编程。主持并参与多项国家自然科学基金、重点研发、863、973项目及省部级项目，主要工作包括基于环境建模的需求建模与推理、基于环境模型的安全需求形式化建模与验证、基于投影的需求自动分解、基于因果关系的约简与基于用户意图的IoT最终用户编程、智能系统的需求确认等，在国内外知名期刊、会议发表论文50余篇。

报告题目：

嵌入式系统的需求描述研究

报告摘要：

    嵌入式系统得到了广泛应用，其需求正变得越来越复杂，需求分析成为嵌入式开发的关键阶段，如何准确地建模和描述需求成为研究热点。本文系统地调研了嵌入式系统的需求描述，并进行全面的比较分析，以便深入理解嵌入式系统需求的核心关注点。本文首先采用系统化文献综述方法，对1979年-2022年6月间发表的相关文献进行了识别、筛选、汇总和分析。通过自动检索和滚雪球等过程检索相关文献，经过筛选后得到134篇文献，力求文献综述的全面性。其次，本文从需求建模关注点、需求描述维度、需求分析要素等方面，分析现有嵌入式需求描述语言的表达能力。最后，总结嵌入式软件需求描述的挑战，并针对嵌入式软件智能合成任务，提出对嵌入式系统需求描述方法表达能力的要求。