目前,浮点计算程序被广泛应用于航空航天、国防军事等对可靠性要求极高的关键领域,因此保证浮点程序计算结果的准确性至关重要。然而,由于计算机进行浮点运算时使用的数值与实际值之间存在舍入误差,舍入误差的累积会影响浮点程序的准确性,因此学术界提出了自动化的误差检测技术来解决这一问题。误差检测需要能够触发误差累积的数值用例输入,而这些数值用例输入通常分散在一些范围较小的输入区间内。现有的数值用例生成系统存在两点不足:一是系统主要针对单一浮点运算表达式生成用例,无法面向浮点程序全局。二是能触发浮点程序误差累积的有效用例通常分散在一些小区间内,而现有用例生成技术需要生成大量用例才能命中这些小区间,从而造成有效用例的生成效率较低。基于上述两点不足,本文设计并实现了面向浮点程序误差检测的用例生成系统,主要工作如下:1.针对现有系统仅面向单一表达式生成用例的问题,本文设计了针对浮点程序全局的用例生成方法。此方法基于传统LLVM编译器生成浮点程序的中间代码,然后利用新的转换规则将中间代码转为二进制码,并通过获取二进制码与数值用例的映射关系,最终生成可用于浮点程序全局误差检测的具体用例。2.针对现有系统有效用例生成效率低的问题,本文设计了一种基于神经网络模型的用例生成方法。此方法中,神经网络模型以浮点程序的二进制码与触发程序误差累积的数值用例为训练数据,通过学习训练数据中的用例生成规则,使产生的大部分数值用例都能落入触发程序误差累积的区间内,提高系统生成有效用例的效率。本文系统分为五个模块,分别是程序预处理模块、中间代码转换模块、训练数据集生成模块、神经网络模型训练模块和数值用例生成模块。程序预处理模块主要负责浮点程序中间代码的生成。中间代码转换模块主要负责将中间代码转换为可用二进制码。训练数据集生成模块主要负责生成包含二进制码与数值用例的训练数据集。神经网络模型训练模块主要通过学习训练数据中的用例生成规则,获取可用的神经网络模型。数值用例生成模块主要负责生成用于浮点程序误差检测的有效数值用例。本系统针对多个C++浮点程序,共生成了16800个数值用例。通过实验对这些用例进行了评估,实验结果表明本系统能够针对浮点程序全局进行用例生成,生成用例中能触发浮点程序误差累积的有效用例约占总数的74.42%,且生成用例的平均耗时约为2.58s。