Гібридний метод статичного аналізу асимптотичної складності потоків виконання коду

У статті запропоновано гібридний метод статичного аналізу асимптотичної складності потоків виконання програмного коду, який поєднує детерміністичний аналіз синтаксичних конструкцій із залученням великих мовних моделей (LLM) для семантично складних випадків. Метод базується на побудові дерева потоку виконання з абстрактного синтаксичного дерева функції, де кожен вузол відповідає конструкції коду (послідовність, розгалуження, цикл, рекурсія). Детерміністичні операції оцінюються шляхом зіставлення з шаблонами (рівень довіри 1,0), а семантичні (зовнішні виклики) — за допомогою LLM із багаторазовим запуском та консенсусом. Результати агрегуються від листків до кореня за правилами теорії складності: для послідовних операцій обирається домінуючий компонент, для розгалужень — найгірший сценарій, для вкладених структур — перемноження складностей. Числова оцінка довіри поширюється через усе дерево. Прототип, реалізований мовою TypeScript, протестовано на 30 функціях із відомою складністю: у детерміністичному режимі точність становить 100 % для структурних шаблонів та 80 % загалом; при рівні довіри ≥ 0,5 точність досягає 96 %. Зроблено висновок, що запропонований підхід ефективно заповнює прогалину між статичним аналізом окремих алгоритмів та профілюванням у робочому середовищі, забезпечуючи можливість виявлення асимптотичних проблем ще на етапі розробки.