unit-testing - 我应该如何测试遗传算法

Question

我做过不少遗传算法；他们有效(他们很快找到合理的解决方案)。但我现在发现了TDD 。有没有办法写一个genetic algorithm (严重依赖随机数)以 TDD 方式？

更笼统地提出这个问题，如何测试非确定性方法/函数。这是我的想法:

1. 使用特定的种子。如果我一开始在代码中犯了错误，这不会有帮助，但会有助于在重构时发现错误。

2. 使用已知的数字列表。与上面类似，但我可以手动跟踪代码(这会非常乏味)。

3. 使用常数。至少我知道会发生什么。当 RandomFloat(0,1) 始终返回 1 时，最好确保骰子始终读取 6。

4. 尝试将尽可能多的非确定性代码移出 GA。这看起来很愚蠢，因为这是其目的的核心。

有关测试的优秀书籍的链接也将不胜感激。

Answer 1

在我看来，测试其一致逻辑的唯一方法是应用一致输入，...或将每次迭代视为一个单独的自动机，其状态在迭代之前和之后进行测试，将整个非确定性系统转变为基于确定性迭代值的可测试组件。

对于迭代中的变异/育种/属性继承，在每次迭代的边界上测试这些值，并根据成功迭代子测试的已知输入/输出测试所有迭代的全局输出...

由于该算法是迭代的，因此您可以在测试中使用归纳来确保它适用于 1 次迭代、n+1 次迭代，以证明它对于给定的情况会产生正确的结果(无论数据确定性如何)输入范围/域以及对输入中可能值的约束。

编辑我找到了这个strategies for testing nondeterministic systems这可能会提供一些见解。一旦 TDD/开发过程证明逻辑是合理的，这可能有助于实时结果的统计分析。