Generator

Generator,即数据生成器。当数据很大,手造会累死的时候,我们就需要它来帮助我们自动造数据。

简单的例子

生成两个 [1,n] 范围内的整数:

// clang-format off

#include "testlib.h"
#include <iostream>

using namespace std;

int main(int argc, char* argv[]) {
  registerGen(argc, argv, 1);
  int n = atoi(argv[1]);
  cout << rnd.next(1, n) << " ";
  cout << rnd.next(1, n) << endl;
}

为什么要使用 Testlib?

有人说写 generator 不需要用 Testlib,它在这没什么用。实际上这是个不正确的想法。一个好的 generator 应该满足这一点: 在任何环境下对于相同输入它给出相同输出 。写 generator 就避免不了生成随机值,平时我们用的 rand() 或 C++11 的 mt19937/uniform_int_distribution ,当操作系统不同、使用不同编译器编译、不同时间运行等,它们的输出都可能不同(对于非常常用的 srand(time(0)) ,这是显然的),而这就会给生成数据带来不确定性。

请确保所有与随机相关的函数均使用 Testlib 而非标准库提供的。

而 Testlib 中的随机值生成函数则保证了相同调用会输出相同值,与 generator 本身或平台均无关。另外。它给生成各种要求的随机值提供了很大便利,如 rnd.next("[a-z]{1,10}") 会生成一个长度在 [1,10] 范围内的串,每个字符为 az ,很方便吧!

Testlib 能做什么?

在一切之前,先执行 registerGen(argc, argv, 1) 初始化 Testlib(其中 1 是使用的 generator 版本,通常保持不变),然后我们就可以使用 rnd 对象来生成随机值。随机数种子取自命令行参数的哈希值,对于某 generator g.cppg 100 (Unix-Like) 和 g.exe "100" (Windows) 将会有相同的输出,而 g 100 0 则与它们不同。

rnd 对象的类型为 random_t ,你可以建立一个新的随机值生成对象,不过通常你不需要这么做。

该对象有许多有用的成员函数,下面是一些例子:

调用 含义
rnd.next(4) 等概率生成一个 [0,4) 范围内的整数
rnd.next(4, 100) 等概率生成一个 [4,100] 范围内的整数
rnd.next(10.0) 等概率生成一个 [0,10.0) 范围内的浮点数
rnd.next("one | two | three") 等概率从 one , two , three 三个串中返回一个
rnd.wnext(4, t) wnext() 是一个生成不等分布(具有偏移期望)的函数, t 表示调用 next() 的次数,并取生成值的最大值。例如 rnd.wnext(3, 1) 等同于 max({rnd.next(3), rnd.next(3)})rnd.wnext(4, 2) 等同于 max({rnd.next(4), rnd.next(4), rnd.next(4)}) 。如果 t<0 ,则为调用 -t 次,取最小值;如果 t=0 ,等同于 next()
rnd.any(container) 等概率返回一个具有随机访问迭代器(如 std::vectorstd::string )的容器内的某一元素的引用

另外,不要使用 std::random_shuffle() ,请使用 Testlib 中的 shuffle() ,它同样接受一对迭代器。它使用 rnd 来打乱序列,即满足如上“好的 generator”的要求。

示例:生成一棵树

下面是生成一棵树的主要代码,它接受两个参数——顶点数和伸展度。例如,当 n=10,t=1000 时,可能会生成链;当 n=10,t=-1000 时,可能会生成菊花。

#define forn(i, n) for (int i = 0; i < int(n); i++)

registerGen(argc, argv, 1);

int n = atoi(argv[1]);
int t = atoi(argv[2]);

vector<int> p(n);

/* 为节点 1..n-1 设置父亲 */
forn(i, n) if (i > 0) p[i] = rnd.wnext(i, t);

printf("%d\n", n);

/* 打乱节点 1..n-1 */
vector<int> perm(n);
forn(i, n) perm[i] = i;
shuffle(perm.begin() + 1, perm.end());

/* 根据打乱的节点顺序加边 */
vector<pair<int, int> > edges;
for (int i = 1; i < n; i++)
  if (rnd.next(2))
    edges.push_back(make_pair(perm[i], perm[p[i]]));
  else
    edges.push_back(make_pair(perm[p[i]], perm[i]));

/* 打乱边 */
shuffle(edges.begin(), edges.end());

for (int i = 0; i + 1 < n; i++)
  printf("%d %d\n", edges[i].first + 1, edges[i].second + 1);

一次性生成多组数据

跟不使用 Testlib 编写的时候一样,每次输出前重定向输出流就好,不过 Testlib 提供了一个辅助函数 startTest(test_index) ,它帮助你将输出流重定向到 test_index 文件。

一些注意事项

  • 严格遵循题目的格式要求,如空格和换行,注意文件的末尾应有一个换行。
  • 对于大数据首选 printf 而非 cout ,以提高性能。(不建议在使用 Testlib 时关闭流同步)
  • 不使用 UB(Undefined Behavior,未定义行为),如本文开头的那个示例,输出如果写成 cout << rnd.next(1, n) << " " << rnd.next(1, n) << endl; ,则 rnd.next() 的调用顺序没有定义。

新特性:解析命令行参数

在之前,我们通常使用类似 int n = atoi(argv[3]); 的代码,但是这样并不好。有以下几点原因:

  • 不存在第三个命令行参数的时候是不安全的;
  • 第三个命令行参数可能不是有效的 32 位整数。

现在,你可以这样写: int n = opt<int>(3) 。与此同时,你也可以使用 int64_t m = opt<int64_t>(1);bool t = opt<bool>(2);string s = opt(4); 等。

另外,testlib 同时也支持命名参数。如果有很多参数,这样 g 10 20000 a true 的可读性就会比 g -n10 -m200000 -t=a -increment 差。

在这种情况下,现在你可以在 generator 中使用以下代码:

int n = opt<int>("n");
long long n = opt<long long>("m");
string t = opt("t");
bool increment = opt<bool>("increment");

你可以自由地混合使用按下标和按名称读取参数的方式。

支持的用于编写命名参数的方案有以下几种:

  • --key=value-key=value
  • --key value-key value ——如果 value 不是新参数的开头(不以连字符 - 开头或一个/两个连字符后没有跟随字母);
  • --k12345-k12345 ——如果 key k 是一个字母,且后面是一个数字;
  • -prop--prop ——启用 bool 属性。

下面是一些例子:

g1 -n1
g2 --len=4 --s=oops
g3 -inc -shuffle -n=5
g4 --length 5 --total 21 -ord

更多示例

可以在 GitHub 中找到。

本文主要翻译自 Генераторы на testlib.h - Codeforces 。新特性翻译自 Testlib: Opts—parsing command line optionstestlib.h 的 GitHub 存储库为 MikeMirzayanov/testlib


评论