程序合成是根据用户需求及领域特定语言,求解一段程序以满足用户需求的优化问题。它目前已在软件开发与维护,工业程序设计,和知识发现等各种实际场景中被广泛应用。现有的程序合成方法仍存在高度依赖专家知识,成功率低,或解决方案难以解释等局限性。因此,本文提出了一种语义线性遗传编程算法来缓解这些问题。本文的主要工作如下:一、首先,本文设计了一种泛化的线性遗传编程染色体编码方式来对程序进行编码。泛化的线性遗传编程染色体编码方式的主要创新在于使用更深的解析树对指令进行编码,而不是现有的3寄存器机器语言。这种线性染色体编码方法还结合了程序的过程性语义输出作为程序的语义上下文。二、为了提高算法性能,本文提出了一种通用的语义进化机制(包括频率开关,语义感知器,插入和分割传递以及进化语义库维护),用于理解和利用语义,并发现指令,从而在降低对专家知识依赖的同时提高搜索效率与解的可解释性。三、为了验证所提出方法的性能,本文设计了一个程序合成问题的基准问题集。该基准问题集涵盖了四类程序合成问题以验证所提算法的通用性。基于该基准问题集,本文进行了成功率比较,学习速率比较,和解释性分析等一系列实验。实验结果表明,本文提出的方法成功克服了上述的缺点,在各种应用中具有较高的成功率,而且所提方法产生的解决方案也具有更好的可解释性。