0

我用 Java 制作了一个遗传算法，它是一个库的形式，可以添加到多个应用程序中。在开发过程中，我做了一些可能是功能测试的（jUnit）测试，但它们没有断言，因为算法是不确定的。所以，它们不适合自动测试，当运行一段时间后你必须花时间看看解决方案。

解决方案是车辆路线，可以打印为 XLS 格式，并在必要时进行实际测试，因此您知道在那一刻要寻找什么。它们有一个距离值和一个时间值，每个示例都有一个合理的值，以及路线本身，不能有某些锯齿形，尽管有时必须有锯齿形。

我可以断言这些值在那个合理的范围内，但这些并不清楚，我不确定我不会陷入糟糕的解决方案。很高兴知道人们在做什么，或者您对此事有何看法。

编辑：澄清目标：

  • 单元测试已经解决了。我可以将随机数生成代码与不同函数中的逻辑代码隔离开来，并且我测试逻辑函数，将它们从测试代码中传递给非随机数。
  • 我想进行一些功能测试，比如 Cucumber 或 Selenium 测试，没有虚假数据。产生真实输出的真实输入。（我并不是说我想专门使用 Cucumber 或 Selenium，只是说我要求的不是单元测试，并且算法的行为必须是真实的，并且不能以任何方式伪造）

该库用于不同的项目，每个项目的输入数据遵循相同的模型，但偏向不同。一个项目数据可以有很多相同点的重复，而另一个项目则没有。可以让车辆非常快地达到极限容量，而在其他情况下，这个极限几乎无法达到。

目标是从插入的每个项目中获取样本数据，以便在修改算法时快速反馈算法的行为（例如修改或添加变异或交叉运算符，或添加新的参数化）。因此，不得以任何方式伪造其行为。

鉴于这一切，我要问的问题是找到一种方法来对整个行为做出有效的断言。我想问一下其他人是如何处理这个问题的，或者你们对此有什么看法。

4

2 回答 2

1

在一般使用中，您的伪随机数生成器会植入一些攻击者难以准确预测的内容——通常基于计算机的时钟或正常运行时间。但是，如果您使用常数为伪随机数生成器播种 - 它将始终返回相同的结果。因此，您可以使用种子 pRNG 进行单元测试。这将提供一个体面的 - 不是完美的，但体面的 - 防止回归。

于 2012-12-24T12:10:56.820 回答
1

单元测试用于测试代码中单元的行为。即使整个算法是不确定的，这些也是完全可测试的。你想要实现的（我相信）是有一种自动化集成测试的方法。为此，您需要设置一个结果是确定性的场景（当然可能，例如，我的实现是否可以解决 2 个字节总和的最大值），或者您需要将您的算法伪装成确定性（通过固定输入、输出和随机生成的值）。

根据您的编辑：

我的 GA 实现从未包含实际测试，只有单元和集成测试。第一个将证明实现的理论正确性，而第二个将证明实现的凝聚力。这两个因素都告诉我一些关于代码质量的信息，但不告诉我性能（其中性能是从最佳输出生成的输出）。

如果我说对了，那么您想衡量实现的性能以查看修改的效果。为此，您首先需要样本输入数据和最佳输出数据。我想你有第一个。第二个可能更棘手。其次，您需要为每个测试集运行多次。由于 GA 是不可预测的（基于您配置的突变率）。这一切都可能归结为一个简单的样本测试集会更有效的地步。

无论如何，至于回答您的问题：多次运行后，您的断言应验证平均误差（与最佳输出相比）是否在可接受的范围内。

于 2012-12-24T10:03:58.930 回答