新算法提升结构化流程图错误检测与代码生成效率

本文主要探讨了一种针对结构化流程图（SFC）的新算法，该算法结合了错误检查和代码生成功能，旨在提高软件开发过程中的精确性和效率。在当前的软件开发中，SFC作为一种重要的图形化表示工具，被广泛应用于需求分析、设计和测试阶段，如Rhapsody这样的自动化代码生成工具（CG-SFC）能够创建流程图并自动生成相应的代码。然而，这些工具往往存在一个问题，即它们可能无法准确地检查给定流程图的正确性和结构完整性，特别是在处理非结构化错误时，会生成不必要的"goto"语句，这可能导致代码质量下降和潜在的逻辑问题。 本文提出的算法首先聚焦于结构识别，设计了一种算法来识别流程图中的关键结构元素，如选择分支、并行执行和同步执行。这一步对于确保代码的可读性和一致性至关重要。作者还提出了标准的错误识别算法，用于检测流程图中的语法错误、数据流错误以及控制流错误，如循环嵌套过深或条件分支逻辑错误等。 为了全面改进CG-SFC的功能，这些算法被整合到一个系统中，系统能够有效地对输入的SFC进行校验和生成高质量的代码。通过与现有的Rhapsody工具进行对比，研究结果证明了新算法在错误检测和代码生成方面的优越性，不仅减少了错误率，而且提高了生成代码的可维护性和性能。 此外，本文的研究还得到了国家自然科学基金、中国博士后科学基金、黑龙江省博士后科学基金以及中央大学基础研究基金的支持，体现了学术界对这一领域研究的重视和资助。作者Mingcheng Qu、Naigang Cui、Xianghu Wu和Yongchao Tao作为论文的主要贡献者，他们的工作为SFC的自动化处理提供了创新的方法，并有可能推动软件工程领域的进一步发展。 总结来说，这项研究填补了现有CG-SFC工具在错误校验方面的空白，为软件开发过程提供了一种更为严谨和高效的解决方案，对于提升软件质量、减少开发时间和成本具有重要意义。