如何提高软件开发效率一直是软件工程领域的一个核心问题。在软件行业快速发展的今天,为了提高软件开发的效率,开发者往往采用代码复用的方式,如调用现有的应用程序编程接口（API）。现有的检索API知识的方法或工具都只实现了单个API或API子图的搜索。但是,单个API往往难以实现完整的功能,而API子图中包含的信息较为冗余和复杂难以被直接应用于实际的软件开发过程中。实际上,在利用大量使用API的编程语言（例如Java）进行软件开发时,一个功能往往需要多个API的联合调用才能实现,即开发者往往需要通过调用特定的API序列来实现具体功能。因此,本文研究如何针对特定的编程需求为开发者推荐API的使用序列,即对于开发者的功能需求描述,从历史的API使用序列数据库中检索到可以满足该功能的API使用序列,推荐给开发者,以辅助开发者编程。本文从开源软件仓库中挖掘有关Java语言的API知识用于构建Java语言的API知识图谱,并提出基于强化学习技术在API知识图谱上训练API序列的推理模型,以实现面向智能化编程的API序列搜索任务。具体的研究内容包括如下几个部分:（1）研究如何从多源软件仓库中挖掘API知识,并构造API知识图谱。首先,基于爬虫和程序分析技术分别从官方API文档、第三方API文档和开源软件项目中收集API知识。其次,通过知识融合技术将抽取的所有API知识整合为API知识图谱并保存在图数据库中。（2）研究API知识图谱的表示学习方法以及功能注释的文本嵌入方法,将代码的功能注释和知识图谱中的API实体表示为低维稠密向量,以作为深度强化学习模型的状态表示。然后通过实体预测实验验证表示学习方法是否有能力学习API知识图谱的高级结构信息,并分析表示学习模型性能的影响因素。（3）研究并提出基于强化学习的API序列检索方法。具体地,在训练阶段,智能体通过与环境（即API知识图谱）的交互来学习API序列推理策略,即基于给定的功能查询在API知识图谱中搜索与该功能对应的API路径（即API使用序列）。在测试阶段,将智能体的策略作为打分函数,计算数据库中每一条API序列路径与功能查询的匹配分数,从而生成API序列的推荐列表返回给用户。最后,通过实验验证基于强化学习的API调用序列检索方法的有效性,并通过实例分析强化学习在API序列搜索任务上的优势。