软件缺陷修复作为软件开发过程中最为耗时和繁琐的阶段占据了大部分开发成本。近些年研究者对于自动程序修复(Automated Program Repair)领域给予了极大的关注,希望通过算法使程序自动感知缺陷并生成相对应的补丁而无需过多的人工干预。现有的修复技术大多是基于生成和验证技术模式。修复技术首先通过缺陷定位模块对可能包含程序错误的可疑语句进行排序,然后操纵列表中的语句按照一定规则生成补丁,最后修复程序通过测试套件来验证补丁的有效性,如果测试用例全部通过则代表缺陷修复成功并将补丁报告给用户,否则代表修复失败。然而在实际应用中,自动程序修复技术没有灵活的探索机制来应对庞大的搜索空间,补丁的评判标准仅通过用测试用例通过率来衡量也不足以证实候选补丁的正确性,同时补丁程序的编译执行过程严重拖累了修复的效率。本文针对自动程序修复方法中存在的问题展开研究,具体内容如下:(1)提出了基于动态反馈策略的补丁生成方法。该方法利用缺陷程序与补丁程序的语法相似性与测试用例执行信息加强补丁适应度计算,提高不同质量补丁的筛选性能。然后利用遗传编程的特点构建一套反馈机制,通过评价当前种群中优秀补丁的进化位置给予奖励和记录,实时调整修复算法的探索方向,对候选补丁的进化做出指导。实验表明基于动态反馈的方法相比原始方法能够更有效的区分不同质量补丁加快搜索进度。(2)提出了基于需求与缺陷记录的测试用例优先级排序方法。针对传统Additional策略在自动程序修复领域方面的应用进行改良,利用语句可疑度推导出测试用例的需求覆盖能力,用此能力对基于缺陷记录的测试用例优先级排序方法(FRTP)进行补充,然后结合补丁的否决数量对测试用例优先级进行调整,使优秀的测试用例更快否决无效补丁从而提高补丁验证效率。最后进行了对比实验表明本方法的有效性。(3)基于以上提出的程序修复技术,本文实现了基于搜索的自动程序修复平台DFGenProg。通过运行IntroClass缺陷程序集说明了平台的主要模块和运作过程,增加了自动程序修复技术的实用性与有效性,证实了 DFGenProg的研究论点可以作为自动程序修复今后的研究方向。