การพัฒนาอัลกอริธึมทางวิทยาศาสตร์เป็นกระบวนการที่ต้องทำซ้ำบ่อย ๆ ซึ่งเกี่ยวข้องกับการเปลี่ยนแปลงพารามิเตอร์จำนวนมากที่ฉันต้องการจะเปลี่ยนแปลงไม่ว่าจะเป็นส่วนหนึ่งของการออกแบบการทดลองของฉันหรือเป็นส่วนหนึ่งของประสิทธิภาพอัลกอริธึม tweaking ฉันสามารถใช้กลยุทธ์ใดในการจัดโครงสร้างพารามิเตอร์เหล่านี้เพื่อให้ฉันสามารถเปลี่ยนแปลงได้อย่างง่ายดายระหว่างการทำซ้ำและเพื่อให้สามารถเพิ่มพารามิเตอร์ใหม่ได้อย่างง่ายดาย
คำตอบ:
มันยุ่งยากสำหรับผู้ใช้ในการระบุทุกแง่มุมของอัลกอริทึม หากอัลกอริทึมอนุญาตให้ใช้ส่วนประกอบที่ซ้อนกันจะไม่มีตัวเลือกจำนวน จำกัด เพียงพอ ดังนั้นจึงเป็นสิ่งสำคัญที่ตัวเลือกไม่จำเป็นต้อง "เพิ่มฟอง" ให้อยู่ในระดับสูงสุดเช่นเดียวกับในกรณีที่มีอาร์กิวเมนต์ที่ชัดเจนหรือพารามิเตอร์เทมเพลต บางครั้งเรียกว่า "ปัญหาการกำหนดค่า" ในวิศวกรรมซอฟต์แวร์ ฉันเชื่อว่าPETScมีระบบที่ทรงพลังสำหรับการจัดการการกำหนดค่า มันก็คล้าย ๆ กับรูปแบบการบริการสในการเขียนเรียงความมาร์ตินฟาวเลอร์ในการผกผันของการควบคุม
ระบบการกำหนดค่าของ PETSc ทำงานผ่านการรวมกันของการกำหนดค่าที่ผู้ใช้ระบุซึ่งจัดการโดยวัตถุตัวแก้ปัญหา (พร้อมรับและตั้งค่าแบบสอบถาม) และฐานข้อมูลตัวเลือก องค์ประกอบของการจำลองใด ๆ สามารถประกาศตัวเลือกการกำหนดค่าค่าเริ่มต้นและสถานที่ที่จะนำผลลัพธ์ วัตถุที่ซ้อนกันมีคำนำหน้าซึ่งสามารถประกอบได้เช่นวัตถุทุกชิ้นที่ต้องการการกำหนดค่าสามารถแก้ไขได้อย่างอิสระ ตัวเลือกสามารถอ่านได้จากบรรทัดคำสั่งสภาพแวดล้อมไฟล์กำหนดค่าหรือจากรหัส เมื่อมีการประกาศตัวเลือกจะมีการระบุสตริงช่วยเหลือและหน้าคนเพื่อให้-helpตัวเลือกนั้นเป็นที่เข้าใจได้และเพื่อให้สามารถเขียน GUI ที่เชื่อมโยงอย่างถูกต้องได้
ผู้ใช้เรียกSetFromOptionsวิธีการเพื่อให้วัตถุกำหนดค่าตัวเองตามตัวเลือกบรรทัดคำสั่ง การเรียกใช้ฟังก์ชันนี้เป็นทางเลือกและอาจไม่สามารถเรียกได้ว่าผู้ใช้ (ผู้เขียนรหัสที่เรียกว่า PETSc) กำลังเปิดเผยตัวเลือกผ่านทางอินเตอร์เฟสอื่น ๆ เราขอแนะนำอย่างยิ่งให้ผู้ใช้เปิดเผยฐานข้อมูลตัวเลือกเพราะจะทำให้ผู้ใช้ (ผู้ใช้แอปพลิเคชัน) ใช้พลังงานได้อย่างมากมาย แต่ไม่จำเป็น
การกำหนดค่าทั่วไปที่เรียกว่าผ่าน
PetscObjectOptionsBegin(object); /* object has prefix and descriptive string */
PetscOptionsReal("-ts_atol", /* options database key */
"Absolute tolerance for local truncation error", /* long description */
"TSSetTolerances", /* function and man page on topic */
ts->atol, /* current/default value *?
&ts->atol, /* place to store value */
&option_set); /* TRUE if the option was set */
PetscOptionsList("-ts_type","Time stepping method","TSSetType",TSList,
defaultType,typeName,sizeof typeName,&option_set);
TSAdaptSetFromOptions(ts->adapt); /* configures adaptive controller method */
/* ... many others */
/* ... the following is only called from implicit implementations */
SNESSetFromOptions(ts->snes); /* configure nonlinear solver. */
PetscOptionsEnd();
หมายเหตุ:
PetscOptionsList()นำเสนอผู้ใช้พร้อมตัวเลือกจากรายการแบบไดนามิก มีสถาปัตยกรรมของปลั๊กอินที่การใช้งานใหม่สามารถใช้เพื่อเปิดเผยตัวเองเป็นผู้โทรชั้นแรก (การใช้งานเหล่านี้สามารถวางในไลบรารีที่ใช้ร่วมกันและใช้เป็นเฟิร์สคลาสโดยไม่ต้องคอมไพล์โปรแกรมใหม่)SNESSetFromOptions() กำหนดค่าตัวแก้ปัญหาเชิงเส้นแบบกำหนดเงื่อนไขล่วงหน้าและส่วนประกอบอื่น ๆ ที่ต้องการการกำหนดค่าแบบวนซ้ำฉันประสบปัญหานี้หลายครั้งเมื่อพัฒนารหัสจำลองของฉันเองตั้งแต่เริ่มต้น: พารามิเตอร์ใดควรอยู่ในไฟล์อินพุตซึ่งควรนำมาจากบรรทัดคำสั่ง ฯลฯ หลังจากทำการทดลองบางอย่างแล้วสิ่งต่อไปนี้จะมีประสิทธิภาพ (ไม่เป็นขั้นสูงเท่ากับ PETSc)
แทนที่จะเขียน 'โปรแกรม' การจำลองการทดลองฉันมีแนวโน้มมากกว่าที่จะเขียนแพ็คเกจ Python ที่มีฟังก์ชั่นและคลาสทั้งหมดที่จำเป็นในการเรียกใช้การจำลอง ไฟล์อินพุตดั้งเดิมจะถูกแทนที่ด้วยสคริปต์ Python ขนาดเล็กที่มีรหัส 5 ถึง 10 บรรทัด โดยทั่วไปบางบรรทัดจะเกี่ยวข้องกับการโหลดไฟล์ข้อมูลและระบุเอาต์พุต ส่วนอื่น ๆ นั้นเป็นคำแนะนำสำหรับการคำนวณจริง ค่าเริ่มต้นที่ดีสำหรับอาร์กิวเมนต์ที่เป็นตัวเลือกในแพ็คเกจ Python ช่วยให้ผู้เริ่มต้นสามารถใช้ไลบรารีสำหรับการจำลองอย่างง่ายในขณะที่ผู้ใช้ขั้นสูงยังคงสามารถเข้าถึงระฆังและนกหวีดทั้งหมดได้
ตัวอย่างบางส่วน:
เป็นจุดแรกฉันจะทำอัลกอริทึมและซอฟต์แวร์ทั่วไปที่สุด ฉันเรียนรู้วิธีนี้อย่างหนัก
สมมติว่าคุณเริ่มจากกรณีทดสอบง่ายๆ คุณทำได้เร็วกว่านี้ แต่ถ้าคุณทำซอฟต์แวร์เฉพาะเกินไป (พารามิเตอร์น้อยเกินไป) สำหรับกรณีเริ่มต้นนี้คุณจะเสียเวลามากขึ้นในการปรับมันทุกครั้งที่คุณเพิ่มระดับความอิสระใหม่ สิ่งที่ฉันทำตอนนี้ใช้เวลามากขึ้นในตอนเริ่มต้นทำให้เป็นเรื่องที่ค่อนข้างทั่วไปและเพิ่มความแปรปรวนของพารามิเตอร์เมื่อฉันก้าวไปข้างหน้า
สิ่งนี้เกี่ยวข้องกับการทดสอบเพิ่มเติมตั้งแต่ต้นเนื่องจากคุณจะมีพารามิเตอร์มากขึ้นจากจุดเริ่มต้น แต่จะหมายความว่าคุณสามารถเล่นได้มากขึ้นด้วยอัลกอริทึมที่ศูนย์หรือต้นทุนต่ำมาก
ตัวอย่าง: อัลกอริทึมเกี่ยวข้องกับการคำนวณอินทิกรัลอินทิกรัลกับผลคูณของจุดของฟังก์ชันเวกเตอร์สองตัว อย่าคิดตั้งแต่ต้นขนาดเรขาคณิตและการแยกส่วนของพื้นผิวหากในอนาคตคุณอาจต้องการเปลี่ยนสิ่งนั้น สร้างฟังก์ชั่น dot-product สร้างพื้นผิวโดยทั่วไปให้มากที่สุดคำนวณอินทิกรัลแบบเป็นทางการ คุณสามารถทดสอบแต่ละฟังก์ชั่นที่คุณทำแยกกัน
ที่จุดเริ่มต้นคุณสามารถและเริ่มรวมรูปทรงเรขาคณิตที่เรียบง่ายและประกาศพารามิเตอร์ที่จุดเริ่มต้นเป็นค่าคงที่ เมื่อเวลาผ่านไปหากคุณต้องการเปลี่ยนรูปทรงเรขาคณิตคุณสามารถทำได้อย่างง่ายดาย หากคุณตั้งสมมติฐานในตอนแรกคุณจะต้องเปลี่ยนรหัสทั้งหมดทุกครั้ง