使用遗传算法，我找到了这个比较列表：
compareAndSwap(x[0],x[2]);
compareAndSwap(x[3],x[4]);
compareAndSwap(x[2],x[4]);
compareAndSwap(x[0],x[3]);
compareAndSwap(x[2],x[3]);
compareAndSwap(x[1],x[3]);
compareAndSwap(x[1],x[2]);
compareAndSwap(x[0],x[1]);
compareAndSwap(x[3],x[4]);
但我需要测试它是否适用于所有情况。在某些情况下，数组元素的数量(目前为 5 个(可以增加到 100 个。这意味着要检查的案例数量正在快速增长，例如超过pow(2,100)。
如果我单独给出一个相反排序的数组作为最坏的情况，那不会检查有关中间元素x[2]比较的任何错误。例如，5,4,3,2,1 按某个函数排序为 1,2,3,4,5，由
compareAndSwap(x[0],x[4]);
compareAndSwap(x[1],x[3]);
单独而言，这当然不会对许多 5 元素数组的情况进行排序。
尝试了样本数组的随机数生成器，但不确定是否可以接受：
std::random_device rd;
std::mt19937 rng(rd());
std::uniform_real_distribution<double> dist(0,1);
for(int k=0;k<500;k++)
{
std::vector<double> arraySorted;
for(int i=0;i<5;i++)
arraySorted.push_back(dist(rng));
//sortNetwork(arraySorted.data());
//if(!std::is_sorted(arraySorted.begin(),arraySorted.end()))
throw std::runtime_error("error");
}
即使这样仍然会错过某些部分。有没有一种快速的方法来测试排序算法？
如果是 1000 个元素数组怎么办？这些是在某些定理和已知算法中使用数学、笔和纸进行测试，还是使用超级计算机进行测试？
仅 4 个元素的一些示例案例：
1 2 3 4
1 2 4 3
2 1 3 4
2 1 4 3
1 2 0 1
1 2 1 0
2 1 0 1
2 1 1 0
3 4 2 1
3 4 1 2
4 3 2 1
4 3 1 2
1 1 1 1
似乎有超过 pow(2，n( 个案例。
在生成测试数据时，是否可以将排序网络视为图形问题？
虽然你可以检查每个可能列表的每一次迭代，但正如你指出的那样，这太慢了。测试不是证明算法正确，因为你需要做一个证明。测试是通过测试可能隐藏的所有位置来减少错误的可能性。测试很少尝试覆盖整个可能的空间，而是可能的错误类型。
下面是一些执行排序函数的示例。
- 空列表
- 单个元素列表
- 包含全零的列表
- 有序列表
- 颠倒列表
- 所有相同元素的列表
- 一个非常大的列表
- 包含奇怪元素的列表(例如，Unicode、负数、重载数字(
然后是错误的输入，应该返回错误而不是垃圾。垃圾输入，错误输出。
- 空指针
- 空值列表 列表
- 太大(如果您的函数有大小限制(
是的，随机化。生成随机有效大小的随机有效列表，然后验证排序结果是否正常。这有助于涵盖您可能错过的任何情况，并避免您可能做出的任何错误假设。这在测试函数"黑匣子"时尤其重要，这意味着测试人员不了解其内部结构。每次针对函数运行更多随机列表时，都会进一步降低出现错误的可能性。
请务必输出使用的随机种子，以便在失败时可以重复测试。
最后，使用测试覆盖率来确保测试命中代码的所有行和分支。代码可能由 AI 生成，但您仍然可以对其进行覆盖率分析以确定测试差距。在可能不可读的 AI 生成的代码上运行代码美化器将有助于您了解需要更多测试的地方。