程序合成是根据用户意图自动生成相应程序代码的软件开发活动,它是软件工程领域一个重要的研究方向,也是编程理论中最核心的问题之一。基于组件的程序合成是程序合成技术中一个重要分支,它是通过对给定组件库中的组件进行组合来得到目标程序的方法,通常用于生成不含分支循环等控制结构的程序。随着软件系统复杂程度的日益增长,应用程序编程接口（Application Programming Interface,API）的使用越来越普及。基于API的程序合成是基于组件的程序合成方法中的一种,它是以API作为组件的方法。已有基于组件的程序合成方法只能生成特定领域的应用,而基于API的程序合成方法能够生成通用编程语言（如Java等）的程序,因此应用范围更广。基于API的程序合成方法生成的程序仅由API的调用语句构成,能够对程序搜索空间进行有效地限定以支持更高效的搜索。然而,基于API的程序合成方法同样面临着诸多挑战:一是程序的搜索空间随着程序的规模成指数级增长,当程序规模上升到一定程度时,程序搜索空间过大导致无法在有限时间内得到解程序;二是程序合成的搜索算法效率低下,大部分采用枚举搜索的方式,缺乏启发式的搜索策略;三是已有方法对控制结构的支持能力有限,大部分只能生成不含分支循环等控制结构的程序,实用性差。近些年来,随着开源软件和开源社区的快速发展,目前在互联网上存在着大量的代码相关数据,我们称这些数据为“代码大数据”。这些数据都是开发人员智慧的结晶,其中蕴含了丰富的软件相关知识。如果能够充分挖掘并利用这些代码大数据中蕴含的知识,将为各种软件开发工作提供很大的支持。本文针对基于API的程序合成方法面临的挑战性问题,提出了基于代码大数据知识的程序高效合成方法。核心思想就是利用互联网中的代码大数据,挖掘并利用其中的知识来支持程序的高效合成工作。本文的主要贡献及创新总结如下:（1）提出了基于API使用概率模型的程序合成方法。该方法利用Javadoc文档以及Stack Overflow论坛中数据,构造了 API的使用概率模型。针对不同的程序合成任务,该模型能够为不同的API赋予一个与任务相关的概率值。在程序空间中搜索时,概率更高的API会被优先使用,从而能够提高程序合成的效率。此外,本文还提出了对程序合成方法进行功能扩展以及性能优化的策略。我们在两个国际最新的高水平程序合成工具上集成了该方法并进行了相关的实验,实验结果表明,该方法能够有效地提高程序合成效率,平均程序合成时间能够减少80%。（2）提出了基于API使用模式挖掘的程序合成方法。该方法利用API使用模式挖掘工具从高质量的Java项目中挖掘得到常用的API使用模式,然后采用了修改Petri网模型以及在合成问题的符号化编码中添加约束的两种策略,将API使用模式的信息与基于API的程序合成方法相结合。两种策略都能有效地加快程序合成过程中程序框架生成的速度,进而提升程序合成的效率。我们通过在包含API使用模式的编程任务上进行了相关实验来对该方法进行评估,实验结果表明,该方法能够有效地提升程序合成的效率,平均程序合成时间能够减少86%。（3）提出了基于控制结构推荐的程序合成方法。该方法构造了一个用于推荐程序控制结构的神经网络模型。给定目标程序的需求规约信息,该模型能够对程序体中可能用到的控制结构类型进行预测,然后利用预测得到的控制结构概率信息来指导程序合成中不同控制结构类型语句的选取。具有更高概率的控制结构类型在生成时有更大被使用的机会,从而能够提高程序合成的效率。我们在包含控制结构的编程任务上进行了相关实验,实验结果表明,该方法能够有效地提升程序合成的效率,平均程序合成时间能够减少19%,候选程序的数目减少了 30%。本文提出的三种程序高效合成方法,充分挖掘并利用了代码大数据中存在的知识来解决基于API的程序合成方法面临的挑战性问题,能够缩小程序合成的搜索空间,提升程序合成的效率,同时能够更好地支持包含控制结构程序的生成,增强其实用性。