即使在伪代码的引导下,生成由数十行代码组成的可执行程序仍旧是一个充满挑战的任务,其主要体现在候选代码生成和代码搜索两个阶段。在候选代码生成阶段,现有工作利用序列到序列模型为每一行伪代码生成候选代码集合,但传统模型在建模伪代码和代码时存在一些不足,例如无法有效的表示由标识符组成的未登录词,其次忽略了代码的语义和语法结构。在代码搜索阶段,现有工作只能利用编译器的错误信息来定位错误代码,并不能对其进行修复,其次分开建模上下文和错误信息的做法忽略了两者之间的语义关系。本文的主要贡献如下:第一,在候选代码生成阶段,对基于Transformer的序列到序列模型进行改进,提出了多粒度生成器。细粒度下,把伪代码中未登录的标识符分解成子词序列。粗粒度下则保持标识符的完整,从而使标识符可以直接被复制到候选代码中。解码器的输出目标由符号序列变为候选代码的抽象语法树,利用结构位置编码来建模节点之间的拓扑关系。与符号序列相比,抽象语法树引入了额外的非终结节点,因此本文提出了一种模块抽取算法对抽象语法树进行压缩,以缩短解码路径,降低解码难度。第二,在代码搜索阶段,提出同时定位并修复引起编译错误的候选代码。为避免从头开始生成错误代码的修复版本,提出了编辑修复模型,将修复过程转化为修复脚本的生成。模型通过图注意力网络来建立错误代码的上下文与编译器反馈的错误信息之间的语义对应关系。此外,模型还引入了条件变分自动编码器,通过采样操作生成不同的修复脚本,供搜索算法测试。实验部分利用程序是否能成功运行,并顺利通过所有公共和隐藏的测试用例来判断程序的功能正确性。测试结果表明,多粒度生成器可以提高候选代码的质量。同时,在使用相同候选代码的情况下,与现有算法相比,基于编辑修复模型的搜索算法能以较少的尝试次数找到更多功能正确的可执行程序。