两个学术报告！

面向持续集成测试优化的强化学习奖励机制研究

报告摘要：

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。奖励函数在强化学习中计算智能体选取某个动作后的即时奖励，是智能体与环境交互的直接反馈，对后续动作的选择具有重要作用。本研究面向持续集成测试优化，系统研究了强化学习中奖励函数的计算、奖励策略、奖励范围等。

个人简介：

李征，北京化工大学信息科学与技术学院教授、博导。2009年在英国King’s College London获博士学位，曾获获教育部《新世纪优秀人才支持计划》资助。重点研究智能化软件工程，是中国基于搜索的软件工程研讨会（CSBSE）发起人。研究领域同时包括大规模程序源代码的分析与测试，主持多项国家省部级项目，单篇论文最高被引超过500次。曾任第十七届IEEE 源代码分析与执行国际会议（SCAM）大会主席，担任ICSM、WCRE、GECCO、和RT等国际会议的程序委员会委员，同时担任了STVR和JSS等国际期刊的客座编辑。

基于分类模型无梯度优化的复杂系统测试生成

报告摘要：

随着科技的快速发展，软件系统复杂度急剧提升，对相关软件系统的质量保障愈发重要也愈发难以进行。本报告对我们近期将基于分类模型无梯度优化算法应用到软件系统分析中的相关探索与尝试做一个简要介绍。我们在软件代码符号执行中将包含非线性运算、第三方函数调用等难以求解的约束可满足问题转换成无梯度优化问题，使用新型的猜测-验算-反馈-学习机制来对约束可行解进行反向学习而不是正向求解，从而实现含相关复杂路径约束的代码符号执行。基于此思路，我们实现了相关原型工具，取得了良好的效果，显著提升了传统难解代码的覆盖率。

个人简介：

卜磊，南京大学计算机科学与技术系教授，博士生导师。中国计算机学会（CCF）系统软件专委秘书长、江苏省计算机软件专委秘书长。主要研究领域是软件工程与形式化方法，包括模型检验技术，实时混成系统，信息物理融合系统等方向。2010年在南京大学获取计算机博士学位。曾在CMU、MSRA、UTD、FBK等科研机构进行访学与合作研究。目前已在相关领域重要期刊与会议如TCAD、TC、TCPS、TPDS、RTSS、CAV等上发表论文五十余篇。入选中国计算机学会青年人才发展计划，微软亚洲研究院铸星计划, NASAC青年软件创新奖等。