OO 第三单元总结
OO 第三单元总结
规格的阅读与实现心得
JML的阅读方法
-
语法上， 可以参考课程组的《JML level0手册》， 涵盖了基本的jml关键词和语法，看不明白的话可以多翻翻，类比着就搞懂了
-
阅读顺序上， 阅读JML可以从一些比较底层的类开始读， 比如
Person,Message这种依赖关系比较少的类， 可以先读起来，这样对一个类的功能就可以很快的了解 -
阅读tips :
Idea对于JML高亮支持其实很不好（基本没有啊喂）推荐在vscode上装好插件在上面阅读，
还可以对Idea注释调颜色，这样至少看起来清楚一点不会灰糊糊的一团
JML迭代
每次迭代推荐用Idea 鼠标右键的compare with clipboard, 比较一下差异， 同时注意一下一些坑人限制条件比如1111
测试数据与JML
本单元一开始想试试单元测试的，但咨询了一下学长们，似乎都不太推荐JUNIT, OPENJML等基于JML的测试， 后来经过尝试确实有点麻烦。OpenJml 就是个jml语法检查器（bushi, Junit有点像Verilog的testbench样例还需要自己构造，如果能够有一个可以根据JML直接校验函数的工具就好了
剩下的日子里， 就都在写对拍机了，在构造测试数据时， JML的存在也可以使测试数据的覆盖率提高， 就比如am指令的构造
/*@ public normal_behavior
@ requires !(\exists int i; 0 <= i && i < messages.length; messages[i].equals(message)) &&
@ (message instanceof EmojiMessage) ==> containsEmojiId(((EmojiMessage) message).getEmojiId()) &&
@ (message.getType() == 0) ==> (message.getPerson1() != message.getPerson2());
@ assignable messages;
@ ensures messages.length == \old(messages.length) + 1;
@ ensures (\forall int i; 0 <= i && i < \old(messages.length);
@ (\exists int j; 0 <= j && j < messages.length; messages[j].equals(\old(messages[i]))));
@ ensures (\exists int i; 0 <= i && i < messages.length; messages[i].equals(message));
@ also
@ public exceptional_behavior
@ signals (EqualMessageIdException e) (\exists int i; 0 <= i && i < messages.length;
@ messages[i].equals(message));
@ signals (EmojiIdNotFoundException e) !(\exists int i; 0 <= i && i < messages.length;
@ messages[i].equals(message)) &&
@ (message instanceof EmojiMessage) &&
@ !containsEmojiId(((EmojiMessage) message).getEmojiId());
@ signals (EqualPersonIdException e) !(\exists int i; 0 <= i && i < messages.length;
@ messages[i].equals(message)) &&
@ ((message instanceof EmojiMessage) ==>
@ containsEmojiId(((EmojiMessage) message).getEmojiId())) &&
@ message.getType() == 0 && message.getPerson1() == message.getPerson2();
@*/
## 依据JML构造数据来覆盖所有可能分支 ##
def am():
ty = random.randint(0, 1)
sv = random.choice(extreme_sv_pool)
if random.randint(0, excRate) == 1: # emi
try:
id = random.choice(list(message_pool.keys()))
except:
id = random.randint(idmin, idmax)
if ty == 0:
try: # {id:{type:, pid1:, pid2:, sv:, gid:,}}
if random.randint(0, excRate) == 1:
# 在sm时会触发异常：
# epi & pinf情况， 异常可控
if random.randint(0, 2) == 1:
pid1 = pid2 = random.choice(list(person_pool.keys())) # epi
else:
pid1 = pid2 = random.randint(idmin, idmax) # pinf when send
elif random.randint(0, 2 * excRate) == 1:
pid1 = random.randint(idmin, idmax)
pid2 = random.randint(idmin, idmax)
else:
pid1, pid2 = random.sample(list(person_pool.keys()), 2)
# ADD! 真正加入， 用一点数据结构记录
message_pool[id] = {"type": ty, "sv": sv, "pid1": pid1, "pid2": pid2, "gid": None, "div": "am"}
except:
pid1 = random.randint(idmin, idmax)
pid2 = random.randint(idmin, idmax)
return "am {} {} {} {} {}".format(id, sv, ty, pid1, pid2)
else:
# pinf ginf 情况 覆盖了所有异常，进行测试
if random.randint(0, excRate) == 1:
pid1 = random.randint(idmin, idmax)
gid = random.randint(idmin, idmax)
else:
pid1 = random.choice(list(person_pool.keys()))
try:
gid = random.choice(list(group_pool.keys()))
except:
return ag()
# ADD! 真正的加入
message_pool[id] = {"type": ty, "sv": sv, "pid1": pid1, "pid2": None, "gid": gid, "div": "am"}
return "am {} {} {} {} {}".format(id, sv, ty, pid1, gid)
else:
id = random.randint(idmin, idmax)
if ty == 0:
try:
if random.randint(0, excRate) == 1: # epi
if random.randint(0, 2) == 1:
pid1 = pid2 = random.choice(list(person_pool.keys()))
else:
pid1 = pid2 = random.randint(idmin, idmax)
elif random.randint(0, 2 * excRate) == 1:
pid1 = random.randint(idmin, idmax)
pid2 = random.randint(idmin, idmax)
else:
pid1, pid2 = random.sample(list(person_pool.keys()), 2)
except:
pid1 = random.randint(idmin, idmax)
pid2 = random.randint(idmin, idmax)
message_pool[id] = {"type": ty, "sv": sv, "pid1": pid1, "pid2": pid2, "gid": None, "div": "am"}
return "am {} {} {} {} {}".format(id, sv, ty, pid1, pid2)
else:
pid1 = random.choice(list(person_pool.keys()))
try:
gid = random.choice(list(group_pool.keys()))
message_pool[id] = {"type": ty, "sv": sv, "pid1": pid1, "pid2": None, "gid": gid, "div": "am"}
return "am {} {} {} {} {}".format(id, sv, ty, pid1, gid)
except:
return ag()
容器的选择
一些容器和我的选择， 因为一些容器需要O(1)的查询效率， 那么Hashmap是最好的选择
第三次作业中， Message的存储满足的是一个FIFO的规则， 所以用了linkedlist
Exception
private int id; //personId触发了异常
private static int totalExcCnt = 0;
private static HashMap<Integer, Integer> excTable = new HashMap<>();
// 触发的personId - 触发的次数
Group
private HashMap<Integer, Person> people = new HashMap<>();
// id - person
Person
private HashMap<Person, Integer> linkage = new HashMap<>();
// 邻居Person - distance
private LinkedList<Message> messages = new LinkedList<>();
// Person收到的信息
Network
private HashMap<Integer, Person> people = new HashMap<>();
private HashMap<Integer, Group> groups = new HashMap<>();
private HashMap<Integer, Message> messages = new HashMap<>();
private HashMap<Integer, Integer> emojiHeatMap = new HashMap<>();
// 上述皆为<id, 内容> 的Hashmap, O(1)查找不错的
private HashSet<Edge> edges = new HashSet<>();
// Edge是我自己定义的边类， edges记录了所有的边， kruskal的时候会比较方便
private MyDsu<Person> dsu = new MyDsu<>();
// Dsu是我自己写的优化完全的并查集类， 支持不同模板很好用
算法和性能分析
本单元有一些需要注意算法时间复杂度的点
-
维护
valueSum，ageSum，ageSquareSum如果要求
ageVar那么为了保证精度与jml一致， 自己推一下就好return (timeSum - 2 * ageSum * getAgeMean() + getAgeMean() * getAgeMean() * people.size()) / people.size(); //////////////////////////////////////////////////////////////////// BigInteger part1 = ageSquareSum; BigInteger part2 = (new BigInteger("2")).multiply(ageSum) .multiply(BigInteger.valueOf(getAgeMean())); BigInteger part3 = BigInteger.valueOf(getAgeMean()).multiply(BigInteger.valueOf(getAgeMean())) .multiply(BigInteger.valueOf(people.size())); BigInteger result = (part1.subtract(part2).add(part3)).divide(BigInteger.valueOf(people.size())); return result.intValue();需要注意的是：
valueSum是将每对关系计算两次，需要在每次加人时valueSum加2 * value。除了在加人删人外，在添加关系时需要遍历所有group维护valueSum。(别忘了哦！) -
Kruskal算法， 需要提前维护所有的边集， 然后遍历边集找到所有在联通分量的边。这样可以实现O(ElogE)的复杂度， 如果不存储需要用iscircle再查找可能会慢
-
isCircle方法, 要用路径压缩+合并秩优化的并查集， 鉴于网上似乎还没有java版的，我给一个吧嘿嘿
import java.util.HashMap; public class MyDsu<T> { private HashMap<T, T> fatherMap = new HashMap<>(); private HashMap<T, Integer> rankMap = new HashMap<>(); public MyDsu() { } public void addElement(T a) { fatherMap.put(a, a); rankMap.put(a, 1); } public T findRoot(T a) { T r = a; while (fatherMap.get(r) != r) { r = fatherMap.get(r); } T i = a; T tmp; while (i != r) { tmp = fatherMap.get(i); fatherMap.put(i, r); i = tmp; } return r; } public void unionSet(T a, T b) { if (a == null || b == null) { return; } T root1 = findRoot(a); T root2 = findRoot(b); if (rankMap.get(root1) == rankMap.get(root2)) { fatherMap.put(root2, root1); //root 1 is fa rankMap.put(root1, rankMap.get(root1) + 1); } else { if (rankMap.get(root1) < rankMap.get(root2)) { fatherMap.put(root1, root2); } else { fatherMap.put(root2, root1); } } } } -
DeleteColdEmoji
如果是按着jml的逻辑， 先遍历
heatmap找到对应待删除的emojiMessage, 那么针对每一个emoji,都要遍历一遍整个messages显然复杂度较大。正常想法就是先遍历messages再遍历heatmap, 那么就可以O(n)解决问题 -
dijkstra算法
注意可以使用堆优化， 并使用一个内部类
node来记录相关节点信息public class Dijkstra { public class Node implements Comparable<Node> { private int dis = 0; private int id = 0; public int getDis() { return dis; } public int getId() { return id; } public Node(int id, int dis) { this.dis = dis; this.id = id; } @Override public int compareTo(Node o) { return Integer.compare(this.getDis(), o.getDis()); } } // <id, dis> private HashMap<Integer, Integer> dis = new HashMap<>(); // <id, done> private HashMap<Integer, Boolean> done = new HashMap<>(); // <id, person> private HashMap<Integer, Person> people; private PriorityQueue<Node> queue = new PriorityQueue<>(); public Dijkstra(HashMap<Integer, Person> people) { this.people = people; for (Map.Entry<Integer, Person> personEntry : people.entrySet()) { int id = personEntry.getKey(); dis.put(id, (int) 1e9); done.put(id, false); } } public int run(int fromId, int toId) { //算法本体 } }
Network 扩展考虑
题目要求
假设出现了几种不同的Person
- Advertiser：持续向外发送产品广告
- Producer：产品生产商，通过Advertiser来销售产品
- Customer：消费者，会关注广告并选择和自己偏好匹配的产品来购买 -- 所谓购买，就是直接通过Advertiser给相应Producer发一个购买消息
- Person：吃瓜群众，不发广告，不买东西，不卖东西
如此Network可以支持市场营销，并能查询某种商品的销售额和销售路径等 请讨论如何对Network扩展，给出相关接口方法，并选择3个核心业务功能的接口方法撰写JML规格（借鉴所总结的JML规格模式）
首先我设计：
- 在Message下新增加
Advertisement类， 其中包含了attraction代表广告吸引力，其余属性类似于message分群发、私发等 - 新增加Product类用于买卖，宣传, 内置属性
storage,salesAmount - productList[]保存着当前的product
- 每个person(作为吃瓜群众，也会收到广告) 其中可以通过getInterest(Product p) 来获取对p的a兴趣
/*@ public normal_behavior
@ requires containsMessage(id) && getMessage(id).getType() == 0 &&
@ getMessage(id).getPerson1().isLinked(getMessage(id).getPerson2()) &&
@ getMessage(id).getPerson1() != getMessage(id).getPerson2();
@ assignable messages, emojiHeatList; +
@ assignable getMessage(id).getPerson1().socialValue, getMessage(id).getPerson1().money;
@ assignable getMessage(id).getPerson2().messages, getMessage(id).getPerson2().socialValue, getMessage(id).getPerson2().money,
getMessage(id).getPerson2().interests;
@ ensures (\old(getMessage(id)) instance of Advertisement) ==>
@ (\old(getMessage(id)).getPerson1().getInterest(Advertisement.getProduct()) ==
@ \old(getMessage(id).getPerson1().getInterest(Advertisement.getProduct())) + ((Advertisement)\old(getMessage(id))).getAttraction()
@ ensures (!(\old(getMessage(id)) instanceof Advertisement)) ==> (\not_assigned(people[*].getInterest(Product[*]));
......略
@
@ also
@ public normal_behavior
@ requires containsMessage(id) && getMessage(id).getType() == 1 &&
@ getMessage(id).getGroup().hasPerson(getMessage(id).getPerson1());
@ assignable people[*].socialValue, people[*].money, people[*].interests
messages, emojiHeatList;
......略
@ ensures (\old(getMessage(id)) instance of Advertisement) ==>
@ (\exists int i; i == ((Advertisement)\old(getMessage(id))).getAttraction();
@ (\forall Person p; \old(getMessage(id)).getGroup().hasPerson(p) && p != \old(getMessage(id)).getPerson1();
@ p.getInterest(Advertisement.getProduct()) == \old(p.getInterest(Advertisement.getProduct())) + i));
@ ensures (!(\old(getMessage(id)) instanceof Advertisement)) ==> (\not_assigned(people[*].getInterest(Product[*]));
......略
@ also
@ public exceptional_behavior
@ signals (MessageIdNotFoundException e) !containsMessage(id);
@ signals (RelationNotFoundException e) containsMessage(id) && getMessage(id).getType() == 0 &&
@ !(getMessage(id).getPerson1().isLinked(getMessage(id).getPerson2()));
@ signals (PersonIdNotFoundException e) containsMessage(id) && getMessage(id).getType() == 1 &&
@ !(getMessage(id).getGroup().hasPerson(getMessage(id).getPerson1()));
@*/
public void sendMessage(int id) throws
RelationNotFoundException, MessageIdNotFoundException, PersonIdNotFoundException;
// Customer
/*@ public normal_behavior
@ requires contains(producerId);
@ requires !(\exists int i; 0 <= i && i < productList.length; productList[i] == id);
@ ensures (\exists int i; 0 <= i && i < productList.length; productList[i] == product);
@ ensures productList.length == \old(productList.length) + 1;
@ also
@ public normal_behavior
@ requires contains(producerId);
@ requires (\exists int i; 0 <= i && i < productList.length; productList[i] == id);
@ ensures (\forall int i; 0 <= i && i < productList.length; productList[i] == \old(productList[i]));
@ ensures productList.length == \old(productList.length);
@ ensures (\exists int i; 0 <= i && i < productList.length; productList[i] == id
&& productList[i].storage == \old(productList[i].storage) + 1);
@*/
public void produceProduct(Product product, int producerId);
/*@ public normal_behavior
@ requires containsProductId(productId);
@ ensures \result == productList(id).getSalesAmount();
@ also
@ public exceptional_behavior
@ signals (ProductNotFoundException e) !containsProduct(productId);
@*/
public int querySaleAmount(int productId) throws ProductNotFoundException；
架构分析
本单元作业架构已经由课程组给出，无需多分析，重要的是阅读jml和采取合适的数据结构和算法来实现。
体会感想
整个单元其实期待还是很高的。但是整个单元学下来， 似乎所有的时间都用在读jml上了， 图论算法也不算难，感谢助教的怜悯，其实希望有个jml直接对接检查代码的说，结果似乎没有，感觉jml的威力瞬间减少了不少。 三次作业难得全满挺不错的，希望下次继续努力！
