在Python中實(shí)現(xiàn)貪婪排名算法的教程
在較早的一遍文章中,我曾經(jīng)提到過我已經(jīng)寫了一個(gè)屬于自己的排序算法,并且認(rèn)為需要通過一些代碼來重新回顧一下這個(gè)排序算法。
對(duì)于我所完成的工作,我核實(shí)并且保證微處理器的安全。對(duì)非常復(fù)雜的CPU進(jìn)行測試的一個(gè)方法就是創(chuàng)建該芯片的另一個(gè)模型,其可以用來產(chǎn)生在CPU上運(yùn)行的偽隨機(jī)指令流。這所謂的ISG(指令流產(chǎn)生器)能夠在很短的時(shí)間內(nèi)創(chuàng)建幾千(甚至幾百萬)個(gè)這樣的測試,通過某種方式,使其可以巧妙地給出一些對(duì)將在CPU上執(zhí)行的指令流的控制或操縱。
現(xiàn)在對(duì)這些指令流進(jìn)行模擬,可以通過每一個(gè)測試實(shí)例花費(fèi)的時(shí)間獲取到CPU的那一部分被使用了(這叫做被覆蓋)的信息,并且ISG所產(chǎn)生的的過個(gè)測試可能會(huì)覆蓋CPU的同一個(gè)區(qū)域。為了增加CPU的整體覆蓋范圍,我們啟動(dòng)一個(gè)被稱作復(fù)原的行為——所有的測試都運(yùn)行,并且它們的覆蓋范圍和花費(fèi)的時(shí)間將被存儲(chǔ)起來。在這次復(fù)原的最后,您可能會(huì)有幾千個(gè)測試實(shí)例只覆蓋了CPU的某一部分。
如果你拿著這個(gè)復(fù)原測試的記過,并且對(duì)其進(jìn)行排序,你會(huì)發(fā)現(xiàn)這個(gè)測試結(jié)果的一個(gè)子集會(huì)給出它們覆蓋了CPU的所有部分。通常,上千的偽隨機(jī)測試可能會(huì)被排序,進(jìn)而產(chǎn)生一個(gè)只有幾百個(gè)測試的子列表,它們?cè)谶\(yùn)行時(shí)將會(huì)給出同樣的覆蓋范圍。接下來我們經(jīng)常會(huì)做的是,查看CPU的哪個(gè)部分沒有被覆蓋,然后通過ISG或其它方法在產(chǎn)生更多的測試,來試圖填補(bǔ)這一空白。再然后會(huì)運(yùn)行一次新的復(fù)原,并且循環(huán)得再一次進(jìn)行排序來充分使用該CPU,以達(dá)到某個(gè)覆蓋范圍目標(biāo)。
對(duì)測試進(jìn)行排名是復(fù)原流程的一個(gè)重要部分,當(dāng)其進(jìn)行地很好時(shí)你可能就會(huì)忘記它。不幸的是,有時(shí),當(dāng)我想要對(duì)其它數(shù)據(jù)進(jìn)行排名時(shí),CAD工具廠商所提供的常用排名算法并不適合。因此,能夠擴(kuò)展到處理成百上千個(gè)測試和覆蓋點(diǎn)才是一個(gè)排名算法的本質(zhì)。
輸入
通常情況下,我不得不從其他CAD程序產(chǎn)生的文本或HTML文件來解析我的輸入 - 這是個(gè)是單調(diào)乏味的工作,我會(huì)跳過這個(gè)乏味的工作,而通過以Python字典的形式提供理想的輸入。 (有時(shí)用于解析輸入文件的代碼可以跟排名算法一樣大或著更大)。
讓我們假設(shè)每個(gè)ISG測試都有一個(gè)名稱,在確定的“時(shí)間”內(nèi)運(yùn)行,當(dāng)模擬顯示'覆蓋'設(shè)計(jì)中的 一組編號(hào)的特性時(shí)。解析之后,所收集的輸入數(shù)據(jù)由程序中的結(jié)果字典來表示。
results = {
# 'TEST': ( TIME, set([COVERED_POINT ...])),
'test_00': ( 2.08, set([2, 3, 5, 11, 12, 16, 19, 23, 25, 26, 29, 36, 38, 40])),
'test_01': ( 58.04, set([0, 10, 13, 15, 17, 19, 20, 22, 27, 30, 31, 33, 34])),
'test_02': ( 34.82, set([3, 4, 6, 12, 15, 21, 23, 25, 26, 33, 34, 40])),
'test_03': ( 32.74, set([4, 5, 10, 16, 21, 22, 26, 39])),
'test_04': (100.00, set([0, 1, 4, 6, 7, 8, 9, 11, 12, 18, 26, 27, 31, 36])),
'test_05': ( 4.46, set([1, 2, 6, 11, 14, 16, 17, 21, 22, 23, 30, 31])),
'test_06': ( 69.57, set([10, 11, 15, 17, 19, 22, 26, 27, 30, 32, 38])),
'test_07': ( 85.71, set([0, 2, 4, 5, 9, 10, 14, 17, 24, 34, 36, 39])),
'test_08': ( 5.73, set([0, 3, 8, 9, 13, 19, 23, 25, 28, 36, 38])),
'test_09': ( 15.55, set([7, 15, 17, 25, 26, 30, 31, 33, 36, 38, 39])),
'test_10': ( 12.05, set([0, 4, 13, 14, 15, 24, 31, 35, 39])),
'test_11': ( 52.23, set([0, 3, 6, 10, 11, 13, 23, 34, 40])),
'test_12': ( 26.79, set([0, 1, 4, 5, 7, 8, 10, 12, 13, 31, 32, 40])),
'test_13': ( 16.07, set([2, 6, 9, 11, 13, 15, 17, 18, 34])),
'test_14': ( 40.62, set([1, 2, 8, 15, 16, 19, 22, 26, 29, 31, 33, 34, 38])),
}<span style="font-size:10pt;line-height:1.5;font-family:'sans serif', tahoma, verdana, helvetica;"></span>
貪婪排名算法的核心是對(duì)當(dāng)前選擇測試的子集進(jìn)行排序:
- 至少用一個(gè)測試集覆蓋盡可能大的范圍。
- 經(jīng)過第一個(gè)步驟,逐步減少測試集,同時(shí)覆蓋盡可能大的范圍。
- 給選擇的測試做出一個(gè)排序,這樣小數(shù)據(jù)集的測試也可以選擇使用
- 完成上述排序后,接下來就可以優(yōu)化算法的執(zhí)行時(shí)間了
- 當(dāng)然,他需要能在很大的測試集下工作。
貪婪排名算法的工作原理就是先選擇當(dāng)前測試集的某一項(xiàng)的最優(yōu)解,然后尋找下一項(xiàng)的最優(yōu)解,依次進(jìn)行...
如果有兩個(gè)以上的算法得出相同的執(zhí)行結(jié)果,那么將以執(zhí)行”時(shí)間“來比較兩種算法優(yōu)劣。
用下面的函數(shù)完成的算法:
def greedyranker(results):
results = results.copy()
ranked, coveredsofar, costsofar, round = [], set(), 0, 0
noncontributing = []
while results:
round += 1
# What each test can contribute to the pool of what is covered so far
contributions = [(len(cover - coveredsofar), -cost, test)
for test, (cost, cover) in sorted(results.items()) ]
# Greedy ranking by taking the next greatest contributor
delta_cover, benefit, test = max( contributions )
if delta_cover > 0:
ranked.append((test, delta_cover))
cost, cover = results.pop(test)
coveredsofar.update(cover)
costsofar += cost
for delta_cover, benefit, test in contributions:
if delta_cover == 0:
# this test cannot contribute anything
noncontributing.append( (test, round) )
results.pop(test)
return coveredsofar, ranked, costsofar, noncontributing
每次while循環(huán)(第5行),下一個(gè)最好的測試會(huì)被追加到排名和測試,不會(huì) 丟棄貢獻(xiàn)的任何額外覆蓋(37-41行)
上面的函數(shù)是略顯簡單,所以我花了一點(diǎn)時(shí)間用tutor來標(biāo)注,當(dāng)運(yùn)行時(shí)打印出它做的。
函數(shù)(有指導(dǎo)):
它完成同樣的事情,但代碼量更大,太繁冗:
def greedyranker(results, tutor=True):
results = results.copy()
ranked, coveredsofar, costsofar, round = [], set(), 0, 0
noncontributing = []
while results:
round += 1
# What each test can contribute to the pool of what is covered so far
contributions = [(len(cover - coveredsofar), -cost, test)
for test, (cost, cover) in sorted(results.items()) ]
if tutor:
print('\n## Round %i' % round)
print(' Covered so far: %2i points: ' % len(coveredsofar))
print(' Ranked so far: ' + repr([t for t, d in ranked]))
print(' What the remaining tests can contribute, largest contributors first:')
print(' # DELTA, BENEFIT, TEST')
deltas = sorted(contributions, reverse=True)
for delta_cover, benefit, test in deltas:
print(' %2i, %7.2f, %s' % (delta_cover, benefit, test))
if len(deltas)>=2 and deltas[0][0] == deltas[1][0]:
print(' Note: This time around, more than one test gives the same')
print(' maximum delta contribution of %i to the coverage so far'
% deltas[0][0])
if deltas[0][1] != deltas[1][1]:
print(' we order based on the next field of minimum cost')
print(' (equivalent to maximum negative cost).')
else:
print(' the next field of minimum cost is the same so')
print(' we arbitrarily order by test name.')
zeroes = [test for delta_cover, benefit, test in deltas
if delta_cover == 0]
if zeroes:
print(' The following test(s) cannot contribute more to coverage')
print(' and will be dropped:')
print(' ' + ', '.join(zeroes))
# Greedy ranking by taking the next greatest contributor
delta_cover, benefit, test = max( contributions )
if delta_cover > 0:
ranked.append((test, delta_cover))
cost, cover = results.pop(test)
if tutor:
print(' Ranking %s in round %2i giving extra coverage of: %r'
% (test, round, sorted(cover - coveredsofar)))
coveredsofar.update(cover)
costsofar += cost
for delta_cover, benefit, test in contributions:
if delta_cover == 0:
# this test cannot contribute anything
noncontributing.append( (test, round) )
results.pop(test)
if tutor:
print('\n## ALL TESTS NOW RANKED OR DISCARDED\n')
return coveredsofar, ranked, costsofar, noncontributing
每一塊以 if tutor開始: 添加以上代碼
樣值輸出
調(diào)用排序并打印結(jié)果的代碼是:
totalcoverage, ranking, totalcost, nonranked = greedyranker(results)
print('''
A total of %i points were covered,
using only %i of the initial %i tests,
and should take %g time units to run.
The tests in order of coverage added:
TEST DELTA-COVERAGE'''
% (len(totalcoverage), len(ranking), len(results), totalcost))
print('\n'.join(' %6s %i' % r for r in ranking))
結(jié)果包含大量東西,來自tutor并且最后跟著結(jié)果。
對(duì)這個(gè)偽隨機(jī)生成15條測試數(shù)據(jù)的測試案例,看起來只需要七條去產(chǎn)生最大的總覆蓋率。(而且如果你愿意放棄三條測試,其中每個(gè)只覆蓋了一個(gè)額外的點(diǎn),那么15條測試中的4條就將給出92.5%的最大可能覆蓋率)。
相關(guān)文章
node.js獲取參數(shù)的常用方法(總結(jié))
下面小編就為大家?guī)硪黄猲ode.js獲取參數(shù)的常用方法(總結(jié))。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-05-05
windows下python虛擬環(huán)境virtualenv安裝和使用詳解
這篇文章主要介紹了windows下python虛擬環(huán)境virtualenv安裝和使用詳解,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-07-07
Python 轉(zhuǎn)換數(shù)據(jù)類型函數(shù)和轉(zhuǎn)換數(shù)據(jù)類型的作用
這篇文章主要介紹了Python 轉(zhuǎn)換數(shù)據(jù)類型函數(shù)和轉(zhuǎn)換數(shù)據(jù)類型的作用,圍繞Python 轉(zhuǎn)換數(shù)據(jù)類型的相關(guān)資料展開內(nèi)容,具有一定的參考價(jià)值,需要的小伙伴可以參考一下2022-03-03
python內(nèi)置函數(shù)globals()的實(shí)現(xiàn)代碼
本文主要介紹了python內(nèi)置函數(shù)globals()的實(shí)現(xiàn)代碼,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-09-09
Python爬蟲教程知識(shí)點(diǎn)總結(jié)
在本篇文章里小編給大家整理的是一篇關(guān)于Python爬蟲教程知識(shí)點(diǎn)總結(jié),有興趣的朋友們可以學(xué)習(xí)參考下。2020-10-10
Python探索之URL Dispatcher實(shí)例詳解
這篇文章主要介紹了Python探索之URL Dispatcher實(shí)例詳解,還是比較不錯(cuò)的,這里分享給大家,供需要的朋友參考。2017-10-10

