对于遗传编程的研究，我想在llvm的基础上实现一个进化系统并应用代码突变（可能在IR级别上）。
我发现llvm-mutate这是非常有用的执行点突变。 据我所知，指令得到计数/编号，然后可以例如删除带编号的指令。
但是，作为代码中的一个可用语句，似乎可以引入新指令。 然而，真正的突变将允许插入任何允许的IR指令，而不管它是否在要变异的代码中使用。 此外，应该可以插入链接库的库函数调用（不在当前代码中使用，但可能可用，因为lib已经在clang中链接）。
我是否在llvm-mutate中忽略了这一点，或者到目前为止真的不可能？
是否有任何项目试图/已经为llvm实施（ed）此类突变？
llvm有许多代码分析工具，应该允许实现上述方法。 llvm很大，所以我有点迷失方向。任何提示哪些工具可能有用（例如获取可用库函数列表等）？由于 亚历
答案 0 :(得分：2)
非常有趣的问题。我一直对二进制级遗传编程的可能性感到好奇。关于你的要求：
从他们的文档中可以明显看出，LLVM-mutate无法满足您的要求。但是，我认为不这样做是明智的。我的理由是，任何机器语言遗传程序都不可避免地会遇到"Halting Problem"，例如不可能知道随机生成的指令是否会完全崩溃整个计算机（例如，通过为OS保留的指针赋值），或者它可能永远运行并占用所有CPU周期。图灵定理告诉我们，如果给定的程序能够做到这一点，就不可能事先知道。请注意，LLVM-mutate可以导致一个完全无害的程序仍然崩溃或永远运行，但我认为他们的方法仅通过采用现有指令使其不太可能。
然而，这样的事情是不可能的＆＃34;只会阻止科学家，而不是工程师： - ）......
我一直在想的是：在本质上，真正的突变更像LLVM-mutate，就像我们在正常遗传编程中所做的那样。换句话说，他们只是从非常有限的集合（A，T，C，G）中交换字母，并且每个可能的变化都来自于此。我们可以有一个程序或一组程序，其中包含一组初始指令，以及一组可能的功能＆＃34;在程序中链接或定义。大多数这些功能实际上都不会被使用，但它们会在那里提供原始DNA＆＃34;对于突变，就像在our DNA中一样。这组函数将具有问题空间的完整（或半完整）可能函数集。然后，我们只使用LLVM-mutate中的基本操作。
但有些可能存在的问题：
考虑到可能的可变性，唯一的方法就是 可接受的执行时间将是大量的 计算能力。可能在云端或使用GPU实现。
你仍然要与图灵先生的停机问题抗争。 但是我认为这可以通过运行解决方案来解决 ＆＃34;沙盒＆＃34;如果解决方案爆炸，这并没有让你失望： 类似于一次性虚拟机或类似Docker的东西 容器，有时间限制（摆脱无限循环）。一个 崩溃或超时的解决方案会变得最糟糕 健身，这样程序就会偏离那些程序 路径。
至于为什么要这样做，我可以看到许多有趣的应用：自我修复程序，针对特定环境自我优化的程序，程序＆＃34;疫苗接种＆＃34;防止漏洞，变异病毒，质量保证等。
我认为这里有一个潜在的开源项目。这将是疯狂的，危险的和时间吸引的漩涡：只是我的那种项目。如果有人这样做，请指望我。